The embodiment of the present invention provides a method, device, system and computer storage medium for image processing. The method comprises the following steps: training to obtain a generating countermeasure network, which includes a generating model and a discriminant model: inputting an input image into the generating model to obtain an output image, in which the output image and the input image have different styles; and inputting the output image into the judgment. According to the predefined loss function, the generated model and the discriminant model are trained until convergence. Using the trained generated model, the target image with different style from the input image of the trained generated model is obtained. Thus, embodiments of the present invention can generate an antagonistic network by training, and based on the generation model of the generated antagonistic network, target images with different styles from the input images can be obtained, thereby expanding the data set for vehicle detection, thereby ensuring the effect of vehicle detection.
【技术实现步骤摘要】
图像处理的方法、装置、系统及计算机存储介质
本专利技术涉及图像处理领域,更具体地涉及一种图像处理的方法、装置、系统及计算机存储介质。
技术介绍
车辆检测是图像检测领域的一个重要方面。车辆检测的效果依赖于大量的数据,即数据集。若数据集中的数据不足会严重影响检测结果的可靠性,并无法适应更广泛的场景。因此,在车辆检测的场景中,期望数据集中存在各种风格的数据,因此,如何获取各种风格的数据是急需解决的问题之一。
技术实现思路
考虑到上述问题而提出了本专利技术。本专利技术提供了一种图像处理的方法、装置、系统及计算机存储介质,能够使用训练好的生成模型生成不同风格的目标图像。根据本专利技术的一方面,提供了一种图像处理的方法,所述方法包括:通过如下方式训练得到生成对抗网络,所述生成对抗网络包括生成模型和判别模型:将输入图像输入至所述生成模型,得到输出图像,其中,所述输出图像与所述输入图像具有不同的风格;将所述输出图像输入至所述判别模型,得到输出值;根据预定义的损失函数,对所述生成模型和所述判别模型进行训练,直到收敛;使用所述训练好的所述生成模型,得到与所述训练好的生成模型的输入图像具有不同风格的目标图像。在本专利技术的一个实施例中,所述根据预定义的损失函数,对所述生成模型和所述判别模型进行训练,直到收敛,包括:根据预定义的多个损失函数的加权和,判断是否收敛。在本专利技术的一个实施例中,所述根据预定义的多个损失函数的加权和,判断是否收敛,包括:若所述多个损失函数的加权和在连续多个迭代中的结果之间的差值小于预设误差值,则确定达到收敛。在本专利技术的一个实施例中,所述预定义的损失函数 ...
【技术保护点】
1.一种图像处理方法,其特征在于,所述方法包括:通过如下方式训练得到生成对抗网络,所述生成对抗网络包括生成模型和判别模型:将输入图像输入至所述生成模型,得到输出图像,其中,所述输出图像与所述输入图像具有不同的风格;将所述输出图像输入至所述判别模型,得到输出值;根据预定义的损失函数,对所述生成模型和所述判别模型进行训练,直到收敛;使用所述训练好的所述生成模型,得到与所述训练好的生成模型的输入图像具有不同风格的目标图像。
【技术特征摘要】
1.一种图像处理方法,其特征在于,所述方法包括:通过如下方式训练得到生成对抗网络,所述生成对抗网络包括生成模型和判别模型:将输入图像输入至所述生成模型,得到输出图像,其中,所述输出图像与所述输入图像具有不同的风格;将所述输出图像输入至所述判别模型,得到输出值;根据预定义的损失函数,对所述生成模型和所述判别模型进行训练,直到收敛;使用所述训练好的所述生成模型,得到与所述训练好的生成模型的输入图像具有不同风格的目标图像。2.根据权利要求1所述的方法,其特征在于,所述根据预定义的损失函数,对所述生成模型和所述判别模型进行训练,直到收敛,包括:根据预定义的多个损失函数的加权和,判断是否收敛。3.根据权利要求2所述的方法,其特征在于,所述根据预定义的多个损失函数的加权和,判断是否收敛,包括:若所述多个损失函数的加权和在连续多个迭代中的结果之间的差值小于预设误差值,则确定达到收敛。4.根据权利要求1所述的方法,其特征在于,所述预定义的损失函数包括风格损失函数,或者,所述预定义的损失函数包括风格损失函数和材质损失函数。5.根据权利要求1所述的方法,其特征在于,所述输出值表示所述输出图像为...
【专利技术属性】
技术研发人员:史桀绮,
申请(专利权)人:北京旷视科技有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。