【技术实现步骤摘要】
图像生成模型训练方法和装置、图像生成方法和装置
本申请涉及计算机
,具体涉及图像处理、增强现实、深度学习等
,尤其涉及一种图像生成模型训练方法和装置、图像生成方法和装置、电子设备以及计算机可读介质。
技术介绍
传统的生成式对抗网络实现的图像转换、翻译算法网络一般包括:编码器、解码器和判别器,在生成式对抗网络中,编码器从输入的图像中提取特征,解码器从特征向量还原特征生成的图片,并将图片送入判别器进行判别,然而传统的对抗式生成网络结构职责比较混乱,一方面要学习转换的信息,另一方面还要关注生成图片质量,身兼数职,往往导致最后生成的图片无论完整度还是质量都表现不佳。进一步地,对于传统的生成式对抗网络,由于得到高分辨率图片较难训练和收敛,而生成低分辨率图片相对比较容易一些,但是低分辨率清晰度又不是太高,无法满足生成高质量图片的要求。
技术实现思路
提供了一种图像生成模型训练方法和装置、图像生成方法和装置、电子设备以及计算机可读介质。根据第一方面,提供了一种图像生成模型训练方法,上述方法包括:获取预先建立的生成式对抗网络,其中,生成式对抗网络的解码器包括多个串联连接的生成模块,多个生成模块用于对输入的图像进行不同倍率的分辨率提升处理,以得到多个不同尺度图像;生成式对抗网络的判别器包括多个不同尺度的判别模块,各个判别模块分别独立;执行以下训练步骤:从预置的样本集中选取样本,每个样本包括第一域图像和多个不同尺度的第二域图像;将该样本的第一域图像输入生成式对抗网络,得到各个生成模块输出的 ...
【技术保护点】
1.一种图像生成模型训练方法,所述方法包括:/n获取预先建立的生成式对抗网络,其中,所述生成式对抗网络的解码器包括多个串联连接的生成模块,所述多个生成模块用于对输入的图像进行不同倍率的分辨率提升处理,以得到多个不同尺度图像;所述生成式对抗网络的判别器包括多个不同尺度的判别模块,各个判别模块分别独立;/n执行以下训练步骤:从预置的样本集中选取样本,每个样本包括第一域图像和多个不同尺度的第二域图像;将该样本的第一域图像输入所述生成式对抗网络,得到各个生成模块输出的不同尺度的第二域的伪图像;针对各个伪图像,将该伪图像以及该伪图像对应尺度的第二域图像一起输入对应尺度的判别模块,计算所述生成式对抗网络的损失值;响应于确定所述生成式对抗网络满足训练完成条件,则将所述生成式对抗网络作为图像生成模型。/n
【技术特征摘要】
1.一种图像生成模型训练方法,所述方法包括:
获取预先建立的生成式对抗网络,其中,所述生成式对抗网络的解码器包括多个串联连接的生成模块,所述多个生成模块用于对输入的图像进行不同倍率的分辨率提升处理,以得到多个不同尺度图像;所述生成式对抗网络的判别器包括多个不同尺度的判别模块,各个判别模块分别独立;
执行以下训练步骤:从预置的样本集中选取样本,每个样本包括第一域图像和多个不同尺度的第二域图像;将该样本的第一域图像输入所述生成式对抗网络,得到各个生成模块输出的不同尺度的第二域的伪图像;针对各个伪图像,将该伪图像以及该伪图像对应尺度的第二域图像一起输入对应尺度的判别模块,计算所述生成式对抗网络的损失值;响应于确定所述生成式对抗网络满足训练完成条件,则将所述生成式对抗网络作为图像生成模型。
2.根据权利要求1所述的方法,其中,各个生成模块的输出图像的尺度是输入图像的2倍。
3.根据权利要求1所述的方法,其中,所述生成式对抗网络还包括:多个不同尺度的上采样模块;
各个上采样模块与其对应尺度的生成模块并联连接,且与各个上采样模块并联的生成模块不包括所述多个生成模块中的首部和尾部的生成模块。
4.根据权利要求1所述的方法,其中,所述计算所述生成式对抗网络的损失值包括:
计算各个判别模块的损失值;
对所有判别模块的损失值求均值,得到平均损失值,将所述平均损失值作为所述生成式对抗网络的损失值。
5.根据权利要求1所述的方法,其中,所述计算所述生成式对抗网络的损失值包括:
计算各个判别模块的损失值;
获取各个判别模块的尺度权重值;
将各个判别模块的损失值与其对应的尺度权重值相乘,得到各个判别模块的权重损失值;
对所有判别模块的权重损失值求均值,得到所述生成式对抗网络的损失值。
6.一种图像生成方法,所述方法包括:
获取待处理图像;
将所述待处理图像输入采用如权利要求1-5中任一项所述的方法生成的图像生成模型中,输出生成后的图像。
7.一种图像生成模型训练装置,所述装置包括:
网络建立单元,被配置成获取预先建立的生成式对抗网络,其中,所述生成式对抗网络的解码器包括多个串联连接的生成模块,所述多个生成模块用于对输入的图像进行不同倍率的分辨率提升处理,以得到多个不同尺度图像;所述生成式对抗网络的判别器包括多个不同尺度的判别模块,各个判别模块分别独立;
...
【专利技术属性】
技术研发人员:杨少雄,
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
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。