【技术实现步骤摘要】
一种图像转换方法、装置、存储介质和电子设备
本专利技术涉及图像处理领域,特别涉及一种图像转换方法、装置、存储介质和电子设备。
技术介绍
在计算机视觉中,许多任务可以被描述为图像到图像的转换,例如,黑白图像与彩色图像的互相转换、航拍图与数字地图的相互转换等。这一类转换任务具有丰富的应用场景,例如图像增强、自动驾驶等。传统的图像转换方法需要建模、添加纹理、添加光照等繁琐步骤。图像转换方法的关键在于图像的生成,由于图像数据的复杂性,生成的图像需要满足以下两点要求:与原始图像在内容上保持一致、与目标域图像在风格上保持一致。为了确保准确度,现有的深度卷积网络层次较深,导致训练过程和生成图像的效率低下。
技术实现思路
鉴于上述问题,本专利技术提供一种克服上述问题或者至少部分地解决上述问题的一种图像转换方法、装置、存储介质和电子设备。第一方面,一种图像转换方法,包括:获得图像生成模型基于原始图像生成的第一图像,其中,所述原始图像的图像风格与所述第一图像的图像风格不同;将所述第一图像和预设的第二图像输入至风格判别模型中,从而获得所述风格判别模型输出的第一矩阵,其中,所述第二图像为所述第一图像的目标图像风格的图像,所述风格判别模型是用于确定所述第一图像和所述第二图像在图像风格上的相似度的卷积神经网络模型,所述第一矩阵表征所述第一图像与所述第二图像在风格上的相似度;将所述第一图像和所述原始图像输入至内容判别模型中,从而获得所述内容判别模型输出的第二矩阵,其中,所述内容判别模型是 ...
【技术保护点】
1.一种图像转换方法,其特征在于,包括:/n获得图像生成模型基于原始图像生成的第一图像,其中,所述原始图像的图像风格与所述第一图像的图像风格不同;/n将所述第一图像和预设的第二图像输入至风格判别模型中,从而获得所述风格判别模型输出的第一矩阵,其中,所述第二图像为所述第一图像的目标图像风格的图像,所述风格判别模型是用于确定所述第一图像和所述第二图像在图像风格上的相似度的卷积神经网络模型,所述第一矩阵表征所述第一图像与所述第二图像在风格上的相似度;/n将所述第一图像和所述原始图像输入至内容判别模型中,从而获得所述内容判别模型输出的第二矩阵,其中,所述内容判别模型是用于确定所述第一图像和所述原始图像在图像内容上的相似度的卷积神经网络模型,所述第二矩阵表征所述第一图像与所述原始图像在内容上的相似度;/n通过风格损失函数对所述第一矩阵进行计算,从而获得所述第一图像的风格损失值;/n通过内容损失函数对所述第二矩阵进行计算,从而获得所述第一图像的内容损失值;/n根据所述内容损失值和所述风格损失值,调节所述图像生成模型的参数,以使得所述图像生成模型生成的第一图像在风格上与所述第二图像一致,且在内容上与 ...
【技术特征摘要】
1.一种图像转换方法,其特征在于,包括:
获得图像生成模型基于原始图像生成的第一图像,其中,所述原始图像的图像风格与所述第一图像的图像风格不同;
将所述第一图像和预设的第二图像输入至风格判别模型中,从而获得所述风格判别模型输出的第一矩阵,其中,所述第二图像为所述第一图像的目标图像风格的图像,所述风格判别模型是用于确定所述第一图像和所述第二图像在图像风格上的相似度的卷积神经网络模型,所述第一矩阵表征所述第一图像与所述第二图像在风格上的相似度;
将所述第一图像和所述原始图像输入至内容判别模型中,从而获得所述内容判别模型输出的第二矩阵,其中,所述内容判别模型是用于确定所述第一图像和所述原始图像在图像内容上的相似度的卷积神经网络模型,所述第二矩阵表征所述第一图像与所述原始图像在内容上的相似度;
通过风格损失函数对所述第一矩阵进行计算,从而获得所述第一图像的风格损失值;
通过内容损失函数对所述第二矩阵进行计算,从而获得所述第一图像的内容损失值;
根据所述内容损失值和所述风格损失值,调节所述图像生成模型的参数,以使得所述图像生成模型生成的第一图像在风格上与所述第二图像一致,且在内容上与所述原始图像一致。
2.根据权利要求1所述的图像转换方法,其特征在于,所述图像转换方法还包括:
根据所述风格损失值,调节所述风格判别模型的参数。
3.根据权利要求1所述的图像转换方法,其特征在于,所述将所述第一图像和预设的第二图像输入至风格判别模型中,从而获得所述风格判别模型输出的第一矩阵,包括:
将所述第一图像和所述预设的第二图像输入至所述风格判别模型中;
所述风格判别模型分别对所述第一图像和所述第二图像进行卷积操作,从而分别得到所述第一图像的第一特征矩阵和所述第二图像的第二特征矩阵,其中,所述风格判别模型中引入激活函数和实例正则化;
所述风格判别模型根据所述第一特征矩阵和所述第二特征矩阵,计算得到所述第一矩阵。
4.根据权利要求1所述的图像转换方法,其特征在于,所述将所述第一图像和所述原始图像输入至内容判别模型中,从而获得所述内容判别模型输出的第二矩阵,包括:
将所述第一图像和所述原始图像输入至内容判别模型中;
所述内容判别模型对所述第一图像和所述原始图像分别进行卷积操作,从而分别得到所述第一图像的第三特征矩阵和所述原始图像的第四特征矩阵,其中,所述内容判别模型中引入激化函数;
所述内容判别模型对所述第三特征矩阵和所述第四特征矩阵分别进行池化操作,从而分别得到所述第一图像的第一特征压缩矩阵和所述原始图像的第二特征压缩矩阵;
所述内容判别模型根据所述第一特征压缩矩阵和所述第二特征压缩矩阵,计算得到所述第二矩阵。
5.根据权利要求4所述的图像转换方法,其特征在于,所述通过内容损失函数对所述第二矩阵进行计算,从而获得所述第一图像的内容损失值,包括:
通过内容损失函数计算所述第二矩阵和所...
【专利技术属性】
技术研发人员:朱玉婷,梁利平,
申请(专利权)人:中国科学院微电子研究所,
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。