图像的风格转换方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种图像的风格转换方法、装置、电子设备及存储介质，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域。具体实现方案为：检测待处理的图像中是否包括人脸；若包括，采用预训练的人脸风格转换模型和预设的风格图，对待处理的图像中的人脸区域进行风格转换，使得风格转换后的人脸区域仅携带风格图中的颜色信息，而不包括风格图中的纹理信息；采用预训练的图像风格转换模型和预设的风格图，对待处理的图像中的人脸区域之外的其他区域进行风格转换。本申请的方案，能够在待处理的图像中包括人脸的时候，对人脸区域和其他区域进行不同的风格转换，能够有效地保证人脸区域的清晰度，提高图像风格转换的质量。

【技术实现步骤摘要】
图像的风格转换方法、装置、电子设备及存储介质
本申请涉及计算机
，尤其涉及人工智能
，具体为计算机视觉和深度学习
，具体涉及一种图像的风格转换方法、装置、电子设备及存储介质。
技术介绍
随着用户对艺术的追求，风格化的图像越来越受到追捧。风格化的图像，即是将内容图融入风格图中的颜色、纹理等风格样式。例如，现有技术中，图像风格化的处理过程中，可以给定一个内容图和风格图，经过神经网络后生成一幅新的图像，这幅新的图像保留了内容图的语义内容，同时还融入了风格图的颜色、纹理等风格样式，能够满足用户对个性化风格的需求。
技术实现思路
本申请提供了一种图像的风格转换方法、装置、电子设备及存储介质。根据本申请的一方面，提供了一种图像的风格转换方法，其中，所述方法包括：检测待处理的图像中是否包括人脸；若包括，采用预训练的人脸风格转换模型和预设的风格图，对所述待处理的图像中的人脸区域进行风格转换，使得风格转换后的所述人脸区域仅携带所述风格图中的颜色信息，而不包括所述风格图中的纹理信息；采用预训练的本文档来自技高网...

【技术保护点】
1.一种图像的风格转换方法，其中，所述方法包括：/n检测待处理的图像中是否包括人脸；/n若包括，采用预训练的人脸风格转换模型和预设的风格图，对所述待处理的图像中的人脸区域进行风格转换，使得风格转换后的所述人脸区域仅携带所述风格图中的颜色信息，而不包括所述风格图中的纹理信息；/n采用预训练的图像风格转换模型和预设的所述风格图，对所述待处理的图像中的所述人脸区域之外的其他区域进行风格转换。/n

【技术特征摘要】
1.一种图像的风格转换方法，其中，所述方法包括：
检测待处理的图像中是否包括人脸；
若包括，采用预训练的人脸风格转换模型和预设的风格图，对所述待处理的图像中的人脸区域进行风格转换，使得风格转换后的所述人脸区域仅携带所述风格图中的颜色信息，而不包括所述风格图中的纹理信息；
采用预训练的图像风格转换模型和预设的所述风格图，对所述待处理的图像中的所述人脸区域之外的其他区域进行风格转换。


2.根据权利要求1所述的方法，其中，检测待处理的图像中是否包括人脸，包括：
采用预训练的人脸检测模型检测所述待处理的图像中是否包括人脸；若包括，输出人脸区域的位置信息。


3.根据权利要求1所述的方法，其中，所述方法还包括：
若所述待处理的图像中未包括人脸时，采用预训练的所述图像风格转换模型和预设的所述风格图，对所述待处理的图像进行风格转换。


4.一种风格转换模型的训练方法，其中，所述方法包括：
采集数条训练样本，各条所述训练样本中包括内容图、风格图以及基于优化方法得到的目标结果图；
采用各条所述训练样本，训练所述风格转换模型。


5.根据权利要求4所述的方法，其中，采用各条所述训练样本，训练所述风格转换模型，包括：
对于各条所述训练样本，获取对应的风格转换模型输出的预测结果图；
基于对应的所述训练样本以及对应的预测结果图，构建相应的第一损失函数；
在所述第一损失函数不收敛时，调整所述图像风格转换模型的参数，使得所述第一损失函数趋向于收敛。


6.根据权利要求5所述的方法，其中，基于对应的所述训练样本以及对应的预测结果图，构建相应的第一损失函数，包括：
对于所述训练样本，基于所述目标结果图和所述预测结果图，构建判别器损失函数；
基于所述目标结果图和所述预测结果图的各像素点的像素值，构建像素差损失函数；
基于所述训练样本以及对应的预测结果图，构建风格损失函数、全变分损失函数以及边界损失函数中的至少一种；
基于所述风格损失函数、所述全变分损失函数以及所述边界损失函数中的至少一种，并结合所述判别器损失函数和所述像素差损失函数，构建所述第一损失函数。


7.根据权利要求4-6任一所述的方法，其中，所述风格转换模型为图像风格转换模型时，采集数条训练样本，各条所述训练样本中包括内容图、风格图以及基于优化方法得到的目标结果图之前，所述方法还包括：
对于各条所述训练样本中的所述内容图和风格图，采用第一优化风格转换模型获取对应的结果图；
基于所述结果图，并参考所述内容图和/或所述风格图，构建第二损失函数；
若所述第二损失函数不收敛时，调整所述第一优化风格转换模型的参数，使得所述第二损失函数趋于收敛，直至获取所述第二损失函数收敛后所述第一优化风格转换模型输出的所述结果图，作为对应的所述目标结果图。


8.根据权利要求4-6任一所述的方法，其中，所述风格转换模型为人脸风格转换模型时，所述内容图为人脸图，采集数条训练样本，各条所述训练样本中包括内容图、风格图以及基于优化方法得到的目标结果图之前，所述方法还包括：
对于各条所述人脸训练样本中对应的所述人脸图和所述风格图，采用第二优化风格转换模型获取对应的初始结果图；
保留所述初始结果图中的颜色信息，去除所述初始结果图中的纹理信息，得到更新后的人脸结果图；
基于所述更新后的人脸结果图，并参考所述人脸图和/或所述风格图，构建第三损失函数；
若所述第三损失函数不收敛时，调整所述第二优化风格转换模型的参数，使得所述第三损失函数趋于收敛，直至获取到所述第三损失函数收敛后所述第二优化风格转换模型输出的所述更新后的人脸结果图，作为对应的所述目标结果图。


9.一种图像的风格转换装置，其中，所述装置包括：
检测模块，用于检测待处理的图像中是否包括人脸；
人脸风格转换模块，用于若包括，采用预训练的人脸风格转换模型和预设的风格图，对所述待处理的图像中的人脸区域进行风格转换，...

【专利技术属性】
技术研发人员：孙昊，李甫，李鑫，林天威，张赫男，
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