图像数据处理方法、装置、计算机设备以及存储介质制造方法及图纸

本申请实施例提供了一种图像数据处理方法、装置、计算机设备以及存储介质，本申请属于人工智能领域，该方法包括：从识别模型中获取样本图像对应的样本鉴别特征；获取样本体征状态条件，将样本体征状态条件对应的样本状态特征与样本鉴别特征进行拼接，得到样本联合特征；将样本联合特征输入初始生成模型中，基于初始生成模型，生成样本图像对应的待判别图像；基于样本图像、待判别图像以及识别模型，修正初始生成模型的第一网络参数；将包含修正后的第一网络参数的初始生成模型确定为生成模型；生成模型用于生成源图像对应的目标图像，目标图像中的目标对象与源图像中的源对象具有相同的身份信息。采用本申请实施例，可以提高图像的生成效率。

Image data processing method, device, computer equipment and storage medium

【技术实现步骤摘要】
图像数据处理方法、装置、计算机设备以及存储介质
本申请涉及互联网
，尤其涉及一种图像数据处理方法、装置、计算机设备以及存储介质。
技术介绍
随着人脸识别技术的不断发展，人脸识别应用的领域越来越多，如在公益寻人中，可以采用人脸识别技术，从公安系统存储的户籍照片中确定与被拐人员照片相匹配的户籍照片，进而找到被拐人员。然而，被拐人员大多数是在孩童时期被拐卖，随着被拐时长的增加，被拐人员的脸部会发生较大变化，使用孩童时期的照片进行人脸识别，得到的结果并不准确。现有技术中，可以基于被拐人员在孩童时期的脸部照片，采用人为经验绘制出该被拐人员在当前年龄的人脸图像，根据绘制出的人脸图像，在相同年龄段的户籍照片中进行人脸识别，进而找到被拐人员。然而，现有技术中绘制被拐人员在当前年龄的人脸图像，过分依赖于人为经验，且操作过程过于繁琐，导致图像的生成效率低下。
技术实现思路
本申请实施例提供一种图像数据处理方法、装置、计算机设备以及存储介质，可以提高图像的生成效率。本申请实施例一方面提供了一种图像数据处理方法，包括：本文档来自技高网...

【技术保护点】
1.一种图像数据处理方法，其特征在于，包括：/n获取样本图像，从识别模型中获取所述样本图像中所包含的样本对象对应的样本鉴别特征；/n获取样本体征状态条件，将所述样本体征状态条件对应的样本状态特征与所述样本鉴别特征进行拼接，得到样本联合特征；/n将所述样本联合特征输入初始生成模型中，基于所述初始生成模型，生成所述样本图像对应的待判别图像；/n基于所述样本图像、所述待判别图像以及所述识别模型，修正所述初始生成模型的第一网络参数；/n将包含修正后的第一网络参数的初始生成模型确定为生成模型；所述生成模型用于生成源图像对应的目标图像，所述目标图像中的目标对象与所述源图像中的源对象具有相同的身份信息。/n

【技术特征摘要】
1.一种图像数据处理方法，其特征在于，包括：
获取样本图像，从识别模型中获取所述样本图像中所包含的样本对象对应的样本鉴别特征；
获取样本体征状态条件，将所述样本体征状态条件对应的样本状态特征与所述样本鉴别特征进行拼接，得到样本联合特征；
将所述样本联合特征输入初始生成模型中，基于所述初始生成模型，生成所述样本图像对应的待判别图像；
基于所述样本图像、所述待判别图像以及所述识别模型，修正所述初始生成模型的第一网络参数；
将包含修正后的第一网络参数的初始生成模型确定为生成模型；所述生成模型用于生成源图像对应的目标图像，所述目标图像中的目标对象与所述源图像中的源对象具有相同的身份信息。


2.根据权利要求1所述的方法，其特征在于，所述获取样本图像，从识别模型中获取所述样本图像中所包含的样本对象对应的样本鉴别特征，包括：
获取所述样本图像，对所述样本图像进行尺寸调整，得到待识别样本图像；
对所述待识别样本图像中所包含的像素值进行归一化，将归一化后的待识别样本图像输入至所述识别模型，基于所述识别模型，生成所述样本图像中所包含的样本对象对应的样本鉴别特征。


3.根据权利要求1所述的方法，其特征在于，所述基于所述样本图像、所述待判别图像以及所述识别模型，修正所述初始生成模型的第一网络参数，包括：
获取判别模型，基于所述判别模型，确定所述待判别图像对应的对抗误差；所述对抗误差是基于所述待判别图像对应的真实图像匹配度所确定的；
确定所述样本图像与所述待判别图像之间的像素误差；
基于所述识别模型，确定所述待判别图像对应的分类误差；所述分类误差是基于所述待判别图像对应的身份信息和所述样本图像对应的身份信息所确定的；
根据所述对抗误差、所述像素误差以及所述分类误差，修正所述初始生成模型的第一网络参数。


4.根据权利要求3所述的方法，其特征在于，所述基于所述识别模型，确定所述待判别图像对应的分类误差，包括：
将所述待判别图像确定为所述识别模型的输入数据，基于所述识别模型，获取所述待判别图像与所述样本图像之间的身份相似度；
基于所述身份相似度，确定所述待判别图像对应的分类误差。


5.根据权利要求3所述的方法，其特征在于，所述根据所述对抗误差、所述像素误差以及所述分类误差，修正所述初始生成模型的第一网络参数，包括：
获取所述对抗误差对应的第一权重参数、所述像素误差对应的第二权重参数以及所述分类误差对应的第三权重参数；
基于所述第一权重参数与所述对抗误差的乘积、所述第二权重参数与所述像素误差的乘积、以及所述第三权重参数与所述分类误差的乘积，确定所述初始生成模型对应的第一总误差；
根据所述第一总误差修正所述初始生成模型的第一网络参数。


6.根据权利要求3所述的方法，其特征在于，还包括：
基于所述样本图像与所述待判别图像，确定所述判别模型对应的判别误差；所述判别误差是基于所述样本图像和所述待判别图像分别对应的真实图像匹配度所确定的；
基于所述判别模型，获取所述待判别图像对应的预估体征状态信息，确定所述预估体征状态信息与所述样本体征状态条件之间的体征状态误差；
基于所述判别误差与所述体征状态误差，修正所述判别模型的第二网络参数。


7.根据权利要求6所述的方法，其特征在于，所述基于所述判别误差与所述体征状态误差，修正所述判别模型的第二网络参数，包括：
获取所述判别误差对应的第四权重参数，将所述第四权重参数与所述判别误差的乘积，以及所述体征状态误差，确定所述判别模型对应的第二总误差；
根据所述第二总误差修正所述判别模型的第二网络参数。


8.一种图像数据处理方法，其特征在于，包括：
获取源图像，确定所述源图像中所包含的源对象对应的脸部鉴别特征；
获取体征状态条件，将所述...

【专利技术属性】
技术研发人员：邰颖，李绍欣，李季檩，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44