图像融合模型的训练方法、图像融合方法及电子设备技术

本申请公开了一种图像融合模型的训练方法、图像融合方法及电子设备，属于计算机技术领域。其中，图像融合模型的训练方法包括：获取样本图像；接收第一用户作用于目标图像中的第一目标人脸图像上的第一输入，并基于所述第一输入构建标签数据集合，所述标签数据集合包括至少一个标签数据组，所述目标图像为所述样本图像中至少一张图像；基于所述至少一个标签数据组构建损失函数，并基于所述损失函数对图像融合模型进行训练，以得到训练后的图像融合模型；其中，所述损失函数包括正负样本监督信号的放大因子。本申请能够解决相关技术中对图像处理操作较为繁琐的问题。处理操作较为繁琐的问题。处理操作较为繁琐的问题。

【技术实现步骤摘要】
图像融合模型的训练方法、图像融合方法及电子设备


[0001]本申请属于计算机
，具体涉及一种图像融合模型的训练方法、图像融合方法及电子设备。

技术介绍

[0002]随着手机、平板电脑等电子设备的广泛普及，利用电子设备进行拍照已经成为人们日常生活中的常见行为之一。在一些场景中，拍摄的照片可能会包括多人，例如聚会照、集体照、全家福、情侣照等。而在合照过程中，通常很难捕捉到所有人都处于较好拍摄状态的照片，通常需要对合照中的人物图像进行后期处理才能得到令大部分人都满意的合照。可见，相关技术中对图像处理的操作较为繁琐。

技术实现思路

[0003]本申请实施例的目的是提供一种图像融合模型的训练方法、图像融合方法及电子设备，能够解决相关技术中对图像处理操作较为繁琐的问题。
[0004]为了解决上述技术问题，本申请是这样实现的：
[0005]第一方面，本申请实施例提供了一种图像融合模型的训练方法，包括：
[0006]获取样本图像；
[0007]接收第一用户作用于目标图像中的第一目标人脸图像上的第一输入，并基于所述第一输入构建标签数据集合，所述标签数据集合包括至少一个标签数据组，所述目标图像为所述样本图像中至少一张图像；
[0008]基于所述至少一个标签数据组构建损失函数，并基于所述损失函数对图像融合模型进行训练，以得到训练后的图像融合模型；
[0009]其中，所述损失函数包括正负样本监督信号的放大因子。
[0010]第二方面，本申请实施例提供了一种图像融合方法，包括：
[0011]获取针对同一拍摄对象连续拍摄的至少两张待处理图像，每一张所述待处理图像中包括至少两个人脸图像；
[0012]基于图像融合模型确定目标人脸图像，所述图像融合模型为根据第一方面所述的图像融合模型的训练方法进行训练得到；
[0013]确定目标待处理图像，将所述目标待处理图像中的第一人脸图像替换为所述目标人脸图像；
[0014]其中，所述目标待处理图像为所述至少两张待处理图像中的任意一张待处理图像，所述第一人脸图像与所述目标人脸图像为同一个人物的人脸图像。
[0015]第三方面，本申请实施例提供了一种图像融合模型的训练装置，包括：
[0016]第一获取模块，用于获取样本图像；
[0017]构建模块，用于接收第一用户作用于目标图像中的第一目标人脸图像上的第一输入，并基于所述第一输入构建标签数据集合，所述标签数据集合包括至少一个标签数据组，
所述目标图像为所述样本图像中至少一张图像；
[0018]训练模块，用于基于所述至少一个标签数据组构建损失函数，并基于所述损失函数对图像融合模型进行训练，以得到训练后的图像融合模型；
[0019]其中，所述损失函数包括正负样本监督信号的放大因子。
[0020]第四方面，本申请实施例提供了一种图像融合装置，包括：
[0021]第二获取模块，用于获取针对同一拍摄对象连续拍摄的至少两张待处理图像，每一张所述待处理图像中包括至少两个人脸图像；
[0022]确定模块，用于基于图像融合模型确定目标人脸图像，所述图像融合模型为根据第一方面所述的图像融合模型的训练方法进行训练得到；
[0023]替换模块，用于确定目标待处理图像，将所述目标待处理图像中的第一人脸图像替换为所述目标人脸图像；
[0024]其中，所述目标待处理图像为所述至少两张待处理图像中的任意一张待处理图像，所述第一人脸图像与所述目标人脸图像为同一个人物的人脸图像。
[0025]第五方面，本申请实施例提供了一种电子设备，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的图像融合模型的训练方法的步骤，或者实现如第二方面所述的图像融合方法的步骤。
[0026]第六方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的图像融合模型的训练方法的步骤，或者实现如第二方面所述的图像融合方法的步骤。
[0027]第七方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的图像融合模型的训练方法，或者实现如第二方面所述的图像融合方法。
[0028]本申请实施例提供的方案中，通过接收用户作用在目标图像中第一目标人脸图像上的第一输入来构建标签数据集合，并基于标签数据集合构建损失函数，根据损失函数来对图像融合模型进行训练，且损失函数中包括正负样本监督信号的放大因子，能够有效缓解正负样本类别不平衡的问题，进而使得训练后的图像融合模型能够输出更让用户满意的图像，能够有效简化图像处理操作，提高图像处理效率。
附图说明
[0029]图1是本申请实施例提供的一种图像融合模型的训练方法的流程图；
[0030]图2是本申请实施例提供的另一种图像融合模型的训练方法的流程图；
[0031]图3是本申请实施例提供的一种图像融合方法的流程图；
[0032]图4是本申请实施例提供的一种图像融合模型的训练装置的结构图；
[0033]图5是本申请实施例提供的另一种图像融合模型的训练装置的结构图；
[0034]图6是本申请实施例提供的一种电子设备的结构图。
具体实施方式
[0035]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0036]本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施，且“第一”、“第二”等所区分的对象通常为一类，并不限定对象的个数，例如第一对象可以是一个，也可以是多个。此外，说明书以及权利要求中“和/或”表示所连接对象的至少其中之一，字符“/”，一般表示前后关联对象是一种“或”的关系。
[0037]下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的图像融合模型的训练方法及图像融合方法进行详细地说明。
[0038]请参照图1，图1是本申请实施例提供的一种图像融合模型的训练方法的流程图。如图1所示，所述图像融合模型的训练方法包括以下步骤：
[0039]步骤101、获取样本图像。
[0040]需要说明的是，本申请实施例所提供的图像融合模型的训练方法可以是由笔记本计算机、台式计算机、平板电脑、手机等电子设备执行。
[0041]本申请实施例中，所述样本图像可以是电子设备实时拍摄的图像，或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像融合模型的训练方法，其特征在于，包括：获取样本图像；接收第一用户作用于目标图像中的第一目标人脸图像上的第一输入，并基于所述第一输入构建标签数据集合，所述标签数据集合包括至少一个标签数据组，所述目标图像为所述样本图像中至少一张图像；基于所述至少一个标签数据组构建损失函数，并基于所述损失函数对图像融合模型进行训练，以得到训练后的图像融合模型；其中，所述损失函数包括正负样本监督信号的放大因子。2.根据权利要求1所述的方法，其特征在于，所述接收第一用户作用于目标图像中的第一目标人脸图像上的第一输入，并基于所述第一输入构建标签数据集合，包括：接收第一用户作用于目标图像中的第一目标人脸图像上的第一输入，并将所述第一目标人脸图像以及第一目标图像组作为第一标签数据组，所述第一目标图像组为包括所述第一目标人脸对应的人物对象的目标图像；基于所述第一标签数据组对初始图像融合模型进行第一训练；将未标注图像作为经过所述第一训练后的初始图像融合模型的输入，并获取所述初始图像融合模型输出的第二标签数据组；基于所述第一标签数据组及所述第二标签数据组构建所述标签数据集合；其中，所述未标注图像为所述样本图像中未接收到所述第一输入的图像，所述第二标签数据组包括所述未标注图像中经所述图像融合模型标注的人脸图像，所述图像融合模型为所述初始图像融合模型经基于所述损失函数训练后得到的模型。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一标签数据组及所述第二标签数据组构建所述标签数据集合之前，所述方法还包括：获取所述样本图像中的第二目标人脸图像，所述第二目标人脸图像为第二用户标注的人脸图像；将所述第二目标人脸图像作为第三标签数据组；所述基于所述第一标签数据组及所述第二标签数据组构建所述标签数据集合，包括：基于所述第一标签数据组、所述第二标签数据组及所述第三标签数据组构建所述标签数据集合。4.根据权利要求3所述的方法，其特征在于，所述基于所述第一标签数据组、所述第二标签数据组及所述第三标签数据组构建所述标签数据集合之前，所述方法还包括：获取第四标签数据组，所述第四标签数据组包括针对预设图像进行标注的人脸图像；所述基于所述第一标签数据组、所述第二标签数据组及所述第三标签数据组构建所述标签数据集合，包括：基于所述第一标签数据组、所述第二标签数据组、所述第三标签数据组及所述第四标签数据组构建所述标签数据集合。5.根据权利要求4所述的方法，其特征在于，所述基于所述至少一个标签数据组构建损失函数，并基于所述损失函数对图像融合模型进行训练，包括：基于所述第一标签数据组、所述第二标签数据组、所述第三标签数据组及所述第四标签数据组分别构建损失函数；
基于分别构建的损失函数对所述图像融合模型进行监督学习训练。6.根据权利要求5所述的方法，其特征在于，所述损失函数还包括与各标签数据组分别对应的权重值，且不同标签数据组对应的权重值不同。7.根据权利要求6所述的方法，其特征在于，第一标签数据组对应第一权重值，第二标签数据组对应第二权重值，第三标签数据组对应第三权重值，第四标签数据组...

【专利技术属性】
技术研发人员：谢中流，刁志敏，张凯，李翔，琚彬，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：