【技术实现步骤摘要】
图像的修复方法和装置、存储介质、电子装置
本申请涉及人工智能领域,具体而言,涉及一种图像的修复方法和装置、存储介质、电子装置。
技术介绍
随着摄影设备的逐渐普及,数码照片已经渗入到日常生活的各个方面。但是很多因素会引起图像的缺损,包括人为的和非人为的。对缺损部分进行修复,成为一种非常重要的技术。在文艺作品的修复,影视特技的制作以及图像中多余物体的去除等方面都有着很大的应用。传统的图像修复往往只能进行简单的纹理修复,而对于语义修复,传统方法无法实现。近几年深度学习的出现,极大的促进了图像修复领域的发展,生成对抗网络及变分自编码器使得语义修复的性能得到很大的提升,但是依旧存在磨皮过度、产生油画感、图像细节生成不自然等质量问题。针对上述的问题,目前尚未提出有效的解决方案。
技术实现思路
本申请实施例提供了一种图像的修复方法和装置、存储介质、电子装置,以至少解决相关技术中修复图像的质量较差的技术问题。根据本申请实施例的一个方面,提供了一种图像的修复方法,包括:获取修复请求,其中,修复请求用于请求对第一图像进行修复;通过生成式对抗网络对第一图像进行修复,得到达到目标质量等级的第二图像,其中,生成式对抗网络包括目标判别模型、目标分类模型以及目标生成模型,目标判别模型用于对目标生成模型的修复功能进行训练,目标分类模型用于确定目标生成模型生成的图像是否达到目标质量等级;返回第二图像。根据本申请实施例的另一方面,还提供了一种图像的修复装置,包括:第一获取单元,用于获取修复请求,其中, ...
【技术保护点】
1.一种图像的修复方法,其特征在于,包括:/n获取修复请求,其中,所述修复请求用于请求对第一图像进行修复;/n通过生成式对抗网络对所述第一图像进行修复,得到达到目标质量等级的第二图像,其中,所述生成式对抗网络包括目标判别模型、目标分类模型以及目标生成模型,所述目标判别模型用于对所述目标生成模型的修复功能进行训练,所述目标分类模型用于确定所述目标生成模型生成的图像是否达到目标质量等级;/n返回所述第二图像。/n
【技术特征摘要】
1.一种图像的修复方法,其特征在于,包括:
获取修复请求,其中,所述修复请求用于请求对第一图像进行修复;
通过生成式对抗网络对所述第一图像进行修复,得到达到目标质量等级的第二图像,其中,所述生成式对抗网络包括目标判别模型、目标分类模型以及目标生成模型,所述目标判别模型用于对所述目标生成模型的修复功能进行训练,所述目标分类模型用于确定所述目标生成模型生成的图像是否达到目标质量等级;
返回所述第二图像。
2.根据权利要求1所述的方法,其特征在于,在获取修复请求之前,所述方法还包括:
获取第一训练样本集,其中,所述第一训练样本集中包括多张有标签的图像,该标签用于标识图像的质量等级;
利用所述第一训练样本集中的图像对初始分类模型进行训练,得到所述目标分类模型。
3.根据权利要求2所述的方法,其特征在于,利用所述第一训练样本集中的图像对初始分类模型进行训练,得到所述目标分类模型包括:
利用所述第一训练样本集中的图像对所述初始分类模型进行训练,得到中间分类模型;
在所述中间分类模型对第三图像的识别准确率达到目标阈值的情况下,将所述中间分类模型作为所述目标分类模型,其中,所述第三图像为第一测试集中的图像,所述第一测试集包括多张有标签的图像;
在所述中间分类模型对所述第三图像的识别准确率未达到所述目标阈值的情况下,继续利用所述第一训练样本集中的图像对所述中间分类模型进行训练,直至所述中间分类模型对所述第三图像的识别准确率达到所述目标阈值。
4.根据权利要求3所述的方法,其特征在于,利用所述第一训练样本集中的图像对所述初始分类模型进行训练包括按照如下方式对所述初始分类模型进行多次训练:
在本次训练是第一次训练的情况下,初始化所述初始分类模型中各层网络中的权重参数,并将所述第一训练样本集中的图像输入所述初始分类模型;或者,在本次训练不是第一次训练的情况下,直接将所述第一训练样本集中的图像输入所述初始分类模型;
获取所述初始分类模型识别出的所述第一训练样本集中图像的质量等级;
根据所述初始分类模型识别出的质量等级和标签标识的质量等级调整所述初始分类模型中各层网络中的权重参数。
5.根据权利要求2所述的方法,其特征在于,获取第一训练样本集包括:
获取所述目标生成模型生成的图像,并为所述目标生成模型生成的图像生成标签;获取由图像采集设备采集到的图像,并为采集到的图像生成标签;
将带有标签的所述目标生成模型生成的图像和带有标签的采集到的图像作为所述第一训练样本集。
6.根据权利要求1至5中任意一项所述的方法,其特征在于,在获取修复请求之前,所述方法还包括:
对初始判别模型进行训练,得到训练好的所述目标判别模型;
利用所述目标判别模型对初始生成模型进行训练,得到训练好的所述目标生成模型。
7.根据权利要求6所述的方法,其特征在于,利用所述目标判别模型对初始生成模型进行训练,得到训练好的所述目标生成模型包括:
获取第二训练样本集,其中,所述第二训练样本集包括多张待修复的图像;
利用所述第二训练样本集中的图像对所述初始生成模型进行训练,得到中间生成模型;
在所述目标判别模型对第四图像的识别通过率在预设范围内的情况下,将所述中间生成模型作为所述目标生成模型,其中,所述第四图像为所述中间生成模型对第二测试集中的图像进行修复得到的,所述第二测试集包括多张待修复的图像;
在所述目标判别模型对所述第四图像的识别通过率不在所述预设范围内的情况下,继续利用所述第二训练样本集中的图像对所述中间生成模型进行训练,直至所述目标判别模型对所述第四图像的识别通过率在所述预设范围内。
8.根据权利要求7所述的方法,其特征在于,利用所述第二训练样本集中的图像对所述初始生成模型进行训练包括按照如下方式对所述初始生成模型进行多次训练:
在本次训练是第一次训练的情况下,初始化所述初始生成模型中各层网络中的权重参数,并将所述第二训练样本集中的图像输入所述初始生成模型;或者,在本次训练不是第一次训练的情况下,直接将所述第二训练样本集中的图像输入所述初始生成模型;
获取所述目标判别模型对第五图像的识别结果,其中,所述第五图像是所述初始生成模型对所述第二训练样本集中的图像进行修复得到的图像;
根据所述目标判别模型对第五图像的识别结果调整所述初始生成模型中各层网络中的权重参数。
9.一种图像的修复装置,其特征在于,包括:
第一获取单元,用于获取修复请求,其中,所述修复请求用于请求对第一图像进行...
【专利技术属性】
技术研发人员:熊宝玉,
申请(专利权)人:北京金山云网络技术有限公司,
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。