一种图像处理模型生成方法、智能终端及存储介质技术

本发明专利技术公开了一种图像处理模型生成方法、智能终端及存储介质。在对图像处理初始模型的训练过程中，第一模型输出图像处理初始模型的处理结果评价结果，将结果反馈到图像处理模型，可以自动地对图像处理模型的处理结果进行反向传播，从而实现图像处理模型自动调整学习方向，提高了生成图像处理模型的训练效率。

An image processing model generation method, intelligent terminal and storage medium

【技术实现步骤摘要】
一种图像处理模型生成方法、智能终端及存储介质
本专利技术涉及图像处理
，尤其涉及一种图像处理模型生成方法、智能终端及存储介质。
技术介绍
随着智能终端设备的发展，图像处理技术越来越受到重视，如何生成图像处理模型，使得该图像处理模型能够在实际使用中，针对各种未知的图像，都能够输出较好的图像处理结果是研究重点，同时在训练图像处理模型的时候，训练时间过长导致资源的浪费，如何提高训练效率也是当前所要关注的重点问题。目前，深度学习已经被用于训练图像处理模型以使得其能够适用于处理各种图像，但是，目前基于深度学习的图像处理模型训练过程中还需要人工对生成的图像打标签，耗费大量的人力，效率低。因此，现有技术还有待改进和发展。
技术实现思路
本专利技术要解决的技术问题在于，针对现有技术的上述缺陷，提供一种图像处理模型生成方法、智能终端及存储介质，旨在解决现有技术中深度学习的图像处理模型训练过程效率低的问题。本专利技术的技术方案如下：本专利技术的第一方面，提供了一种图像处理模型生成方法，所述方法包括：根据第一模型以及第一数据集训练图像处理初始模型；获取所述图像处理初始模型训练完成后生成的图像处理模型；其中，所述第一数据集包括多个不同的第一样本待处理图像，所述第一模型用于在训练过程中输出所述图像处理初始模型对第一样本待处理图像的处理结果的评价结果。所述的图像处理模型生成方法，其中，所所述第一数据集还包括所述第一样本待处理图像对应的第一样本目标图像，述根据第一模型以及第一数据集训练图像处理初始模型包括：将所述第一数据集中的第一样本待处理图像输入至所述图像处理初始模型进行训练，获取所述图像处理初始模型输出的第二样本图像；将所述第二样本图像输入至所述第一模型，获取所述第一模型根据所述第二样本图像输出的评价结果；将所述第二样本图像的评价结果和所述第一样本目标图像反馈至所述图像处理初始模型，以使得所述图像处理初始模型调整学习方向；继续执行所述将第一数据集中的一第一样本待处理图像输入至图像处理初始模型进行训练的步骤，直至所述图像处理初始模型输出的所述第二样本图像已达预设效果。所述的图像处理模型生成方法，其中，所述第一模型为图像隐写分析模型。所述的图像处理模型生成方法，其中，所述第一模型是根据第二数据集训练完成的，所述第二数据集包括多组第二样本数据，每组第二样本数据包括第三样本图像以及第三样本图像对应的评价结果。所述的图像处理模型生成方法，其中，所述根据第一模型以及第一数据集训练图像处理初始模型包括：获取图像处理要求，根据所述图像处理要求获取所述图像处理初始模型。所述的图像处理模型生成方法，其中，所述第三样本图像对应的评价结果是根据所述图像处理要求生成的。所述的图像处理模型生成方法，其中，所述第一模型包括依次相互连接的通道滤波层、联合层、多个卷积-激活层、多个全连接层和输出层。所述的图像处理模型生成方法，其中，所述通道滤波层的卷积核由高通滤波器初始化，所述通道滤波层不接受反向传播。本专利技术的第二方面，提供了一种智能终端，其中，所述智能终端包括：处理器、与处理器通信连接的存储介质，所述存储介质适于存储多条指令；所述处理器适于调用所述存储介质中的指令，以执行实现上述任一项所述的图像处理模型生成方法。本专利技术的第三方面，提供了一种存储介质，其中，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如上述任意一项所述的图像处理模型生成方法。本专利技术的技术效果：本专利技术提供的图像处理模型生成方法，通过使用第一模型在对图像处理初始模型的训练过程中输出图像处理初始模型的处理结果评价结果，在图像处理模型的训练过程中，可以自动地对图像处理模型的处理结果进行评价，从而实现图像处理模型自动调整学习方向，提高了生成图像处理模型的效率。附图说明图1是本专利技术提供的一种图像处理模型生成方法的实施例的流程简图；图2是本专利技术提供的一种图像处理模型生成方法中第一模型的结构示意图；图3是本专利技术提供的一种图像处理模型生成方法中不同的第一模型的训练损失比较图；图4是本专利技术提供的一种智能终端的功能原理图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本专利技术进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。实施例一请参阅图1，图1是本专利技术提供的图像处理模型生成方法的实施例的流程图。如图1所示，在实施例一中，所述图像处理模型生成方法包括步骤：S100、根据第一模型以及第一数据集训练图像处理初始模型。具体地，所述图像处理初始模型是根据不同的图像处理要求而不同的，所述根据第一模型以及第一数据集训练图像处理初始模型之前包括：获取图像处理要求，根据所述图像处理要求获取所述图像处理初始模型。在本领域中，存在多种不同的基础图像处理模型，本领域技术人员可以根据需求进行选用基础图像处理模型作为所述图像处理初始模型，并根据具体的目的进行具体训练后生成需要的图像处理模型。所述第一数据集包括多个不同的第一样本待处理图像，所述第一数据集可以使用现有的图片数据集，如ImageNet、DIV2K等。所述第一模型用于在训练过程中输出所述图像处理初始模型对第一样本待处理图像的处理结果的评价结果，也就是说，在对所述图像处理初始模型进行训练，即，所述图像处理初始模型学习的过程中，对于所述图像处理初始模型对训练样本进行处理生成的图像，是由第一模型来自动输出评价结果的，评价结果反馈至所述图像处理初始模型，以使得所述图像处理初始模型根据评价结果来调节学习方向。具体地，所述第一数据集中还包括所述第一样本待处理图像对应的第一样本目标图像，第一样本待处理图像对应的第一样本目标图像是第一样本待处理图像理想的处理结果，即，根据图像处理要求对第一样本待处理图像进行处理的目标图像。所述根据第一模型以及第一数据集训练图像处理初始模型包括：S110、将所述第一数据集中的第一样本待处理图像输入至图像处理初始模型进行训练，获取所述图像处理初始模型输出的第二样本图像。所述第一数据集中包括多个不同的第一样本待处理图像，对所述图像处理初始模型进行训练时，是将所述第一数据集中的包括的多个第一样本待处理图像分别输入至所述图像处理初始模型中，所述图像处理初始模型对第一样本待处理图像进行处理，输出第二样本图像。S120、将所述第二样本图像输入至所述第一模型，获取所述第一模型根据所述第二样本图像输出的评价结果。所述图像处理初始模型输出第二样本图像后，将所述第二样本图像输入至所述第一模型，所述第一模型输出所述第二样本图像的评价结果。也就是说是，所述第一模型能够自动对输入的图像进行评价，生成相应的评价结果。所述第一模型是预先训练完成的，具体地，所述本文档来自技高网...

【技术保护点】
1.一种图像处理模型生成方法，其特征在于，所述图像处理模型生成方法包括：/n根据第一模型以及第一数据集训练图像处理初始模型；/n获取所述图像处理初始模型训练完成后生成的图像处理模型；/n其中，所述第一数据集包括多个不同的第一样本待处理图像，所述第一模型用于在训练过程中输出所述图像处理初始模型对第一样本待处理图像的处理结果的评价结果。/n

【技术特征摘要】
1.一种图像处理模型生成方法，其特征在于，所述图像处理模型生成方法包括：
根据第一模型以及第一数据集训练图像处理初始模型；
获取所述图像处理初始模型训练完成后生成的图像处理模型；
其中，所述第一数据集包括多个不同的第一样本待处理图像，所述第一模型用于在训练过程中输出所述图像处理初始模型对第一样本待处理图像的处理结果的评价结果。


2.根据权利要求1所述的图像处理模型生成方法，其特征在于，所述第一数据集还包括所述第一样本待处理图像对应的第一样本目标图像，所述根据第一模型以及第一数据集训练图像处理初始模型包括：
将所述第一数据集中的第一样本待处理图像输入至所述图像处理初始模型进行训练，获取所述图像处理初始模型输出的第二样本图像；
将所述第二样本图像输入至所述第一模型，获取所述第一模型根据所述第二样本图像输出的评价结果；
将所述第二样本图像的评价结果和所述第一样本目标图像反馈至所述图像处理初始模型，以使得所述图像处理初始模型调整学习方向；
继续执行所述将第一数据集中的第一样本待处理图像输入至图像处理初始模型进行训练的步骤，直至所述图像处理初始模型输出的所述第二样本图像已达预设效果。


3.根据权利要求1所述的图像处理模型生成方法，其特征在于，所述第一模型为图像隐写分析模型。


4.根据权利要求3所述的图像处理模型生成方法，其特征在于，所述第...

【专利技术属性】
技术研发人员：谭舜泉，卓龙，李斌，黄继武，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44