构建图像编辑模型的方法以及装置制造方法及图纸

本申请公开了一种构建图像编辑模型的方法、装置、电子设备和计算机可读存储介质，涉及图像处理、深度学习技术领域。本申请在构建图像编辑模型时所采用的实现方案为：获取训练样本，所述训练样本中包含第一图像及其对应的第二图像；构建包含生成器与判别器的生成对抗网络，其中所述生成器包含背景图像生成分支、掩码图像生成分支以及前景图像生成分支；根据第一图像及其对应的第二图像训练所述生成对抗网络，将训练得到的所述生成对抗网络中的生成器作为图像编辑模型。本申请所构建的图像编辑模型能够对生成图像的缺失背景进行填补，从而提升所构建的图像编辑模型的编辑性能。

【技术实现步骤摘要】
构建图像编辑模型的方法以及装置
本申请涉及互联网
，尤其涉及图像处理、深度学习
中的一种构建图像编辑模型的方法、装置、电子设备和计算机可读存储介质。
技术介绍
现有的构建图像编辑模型的方案通常有两种：一种是不区分图像的前景和背景，将图像进行整体建模来生成新的图像；另一种则是使用不同的模型来分别对图像的前景和背景进行建模，融合生成的前景和背景生成新的图像。对于第一种方案来说，由于不区分图像的前景和背景，所构建的模型无法对由于输入图像的前景减少而填补生成图像中的缺失背景；对于第二种方案来说，由于需要使用多个模型来分别对图像的前景和背景进行建模，导致模型构建的步骤较为繁琐，系统资源消耗较高。
技术实现思路
本申请为解决技术问题所采用的技术方案是提供一种构建图像编辑模型的方法，包括：获取训练样本，所述训练样本中包含第一图像及其对应的第二图像；构建包含生成器与判别器的生成对抗网络，其中所述生成器包含背景图像生成分支、掩码图像生成分支以及前景图像生成分支；根据第一图像及其对应的第二图像训练所述生成对抗网络，将训练得到的所述生本文档来自技高网...

【技术保护点】
1.一种构建图像编辑模型的方法，包括：/n获取训练样本，所述训练样本中包含第一图像及其对应的第二图像；/n构建包含生成器与判别器的生成对抗网络，其中所述生成器包含背景图像生成分支、掩码图像生成分支以及前景图像生成分支；/n根据第一图像及其对应的第二图像训练所述生成对抗网络，将训练得到的所述生成对抗网络中的生成器作为图像编辑模型。/n

【技术特征摘要】
1.一种构建图像编辑模型的方法，包括：
获取训练样本，所述训练样本中包含第一图像及其对应的第二图像；
构建包含生成器与判别器的生成对抗网络，其中所述生成器包含背景图像生成分支、掩码图像生成分支以及前景图像生成分支；
根据第一图像及其对应的第二图像训练所述生成对抗网络，将训练得到的所述生成对抗网络中的生成器作为图像编辑模型。


2.根据权利要求1所述的方法，其中，所述获取训练样本包括：
获取前景图像和背景图像；
分别将具有对应关系的两个前景图像与同一个背景图像融合，将融合结果作为所述训练样本中的第一图像及其对应的第二图像。


3.根据权利要求1所述的方法，其中，所述背景图像生成分支、掩码图像生成分支以及前景图像生成分支的网络结构为深度神经网络。


4.根据权利要求1所述的方法，其中，所述根据第一图像及其对应的第二图像训练所述生成对抗网络包括：
将所述训练样本中的第二图像作为真实样本；
将第一图像输入生成器之后，提取图像特征并分别输入至所述前景图像生成分支、掩码图像生成分支以及背景图像生成分支，融合各分支所生成的图像，得到生成样本；
将生成样本及其对应的真实样本作为判别器的输入；
交替训练生成器和判别器，直至所述生成对抗网络收敛。


5.根据权利要求4所述的方法，其中，所述交替训练生成器和判别器，直至所述生成对抗网络收敛包括：
针对生成器包含的三个图像生成分支，构建对应各图像生成分支的损失函数；
根据各图像生成分支所对应的损失函数，分别调整各图像生成分支的网络结构中的参数，直至所述生成对抗网络收敛。


6.一种构建图像编辑模型的装置，包括：
获取单元，用于获取训练样本，所述训练样本中包含第一图像及其对应的第二图像；
构建单元，用于构建包含生成器与判别器的生成对抗网络，其中所述生成器包含背景图像生成分支、掩码图像生成分支以及前景图像生成分支；
...

【专利技术属性】
技术研发人员：何声一，刘家铭，胡天舒，洪智滨，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11