【技术实现步骤摘要】
图像转换模型的生成方法、装置、电子设备及存储介质
本申请涉及图像处理
，尤其涉及一种图像转换模型的生成方法、装置、电子设备及存储介质。
技术介绍
随着互联网的发展，神经网络模型可以具有图像转换功能，例如，神经网络模型可以对真人头像进行图像转换处理，得到具有卡通效果的头像；或者，神经网络模型可以对拍摄到的风景图像进行图像转换处理，得到具有油画效果的图像。常用的神经网络模型为Cycle-GAN(Cycle-GenerativeAdversarialNetworks，循环生成对抗网络)。然而，采用Cycle-GAN对真人图像进行图像卡通化处理时，存在转换后的卡通图像与真人图像的相似度低的问题。
技术实现思路
为了解决上述技术问题，本申请提供了一种图像转换模型的生成方法、装置、电子设备及存储介质。第一方面，本申请提供了一种图像转换模型的生成方法，所述方法包括：获取第一样本图像集，所述第一样本图像集包括多个真人图像和多个卡通图像，每个所述卡通图像的分类类别属于第一分类类别或第二分类类别...
【技术保护点】
1.一种图像转换模型的生成方法，其特征在于，所述方法包括：/n获取第一样本图像集，所述第一样本图像集包括多个真人图像和多个卡通图像，每个所述卡通图像的分类类别属于第一分类类别或第二分类类别，属于所述第一分类类别的卡通图像的第一数量少于属于所述第二分类类别的卡通图像的第二数量，属于所述第二分类类别的卡通图像的卡通风格一致；/n基于所述第一样本图像集训练第一初始模型，直至达到第一停止训练条件，得到第二初始模型，所述第一初始模型用于计算图像的注意力特征图，并基于所述注意力特征图设置归一化网络层的网络参数，基于完成网络参数设置的归一化网络层对所述注意力特征图进行解码，得到转换后的图...
【技术特征摘要】
1.一种图像转换模型的生成方法，其特征在于，所述方法包括：
获取第一样本图像集，所述第一样本图像集包括多个真人图像和多个卡通图像，每个所述卡通图像的分类类别属于第一分类类别或第二分类类别，属于所述第一分类类别的卡通图像的第一数量少于属于所述第二分类类别的卡通图像的第二数量，属于所述第二分类类别的卡通图像的卡通风格一致；
基于所述第一样本图像集训练第一初始模型，直至达到第一停止训练条件，得到第二初始模型，所述第一初始模型用于计算图像的注意力特征图，并基于所述注意力特征图设置归一化网络层的网络参数，基于完成网络参数设置的归一化网络层对所述注意力特征图进行解码，得到转换后的图像；
将属于所述第一分类类别的真人图像集输入至所述第二初始模型中，得到属于所述第一分类类别的第一生成卡通图像集，以使所述第一生成卡通图像集与所述第一样本图像集的集合作为第二样本图像集；
基于所述第二样本图像集训练所述第一初始模型，直至达到第二停止训练条件，得到图像转换模型。
2.根据权利要求1所述的方法，其特征在于，所述第二样本图像集的生成方式包括：
在属于所述第一分类类别的卡通图像的卡通风格，与属于所述第二分类类别的卡通图像的卡通风格不一致的情况下，在所述第一生成卡通图像集中确定所述第二数量的目标生成卡通图像，所述目标生成卡通图像的卡通风格与属于所述第二分类类别的卡通图像的卡通风格一致；
将所述目标生成卡通图像、所述第一样本图像集中的所述多个真人图像和属于所述第二分类类别的卡通图像的集合，作为所述第二样本图像集。
3.根据权利要求1所述的方法，其特征在于，所述第二样本图像集的生成方式包括：
在属于所述第一分类类别的卡通图像的卡通风格，与属于所述第二分类类别的卡通图像的卡通风格一致的情况下，计算所述第二数量与所述第一数量的差，得到第三数量；
在所述第一生成卡通图像集中确定所述第三数量的目标生成卡通图像，所述目标生成卡通图像的卡通风格与属于所述第二分类类别的卡通图像的卡通风格一致；
将所述目标生成卡通图像和所述第一样本图像集的集合作为所述第二样本图像集。
4.根据权利要求1所述的方法，其特征在于，所述第一数量与所述第二数量的比值为预设比值。
5.根据权利要求1所述的方法，其特征在于，所述基于所述第一样本图像集训练第一初始模型，直至达到第一停止训练条件，得到第二初始模型之后，还包括：
将属于第三分类类别的真人图像集输入至所述第二初始模型中，得到属于所述第三分类类别的第二生成卡通图像集，以使所述第一生成卡通图像集、所述第二生成卡通图像集与所述第一样本图像集的集合作为第二样...
【专利技术属性】
技术研发人员：刘洁，王涛，
申请(专利权)人：北京奇艺世纪科技有限公司，
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。