一种图像数据处理方法及装置制造方法及图纸

本申请提供一种图像数据处理方法及装置，所述方法包括：获取原始图像与目标对象类型；原始图像中包含至少一处待处理对象；根据原始图像获取原始图像中的与待处理对象相关的关键点信息；根据关键点信息获取待处理对象的图像特征数据，将待处理对象的图像特征数据以及原始图像的特征数据提供给生成器，生成处理后图像；在处理后图像中，待处理对象变换为目标对象类型的处理后对象。由于该方法基于上述关键点信息进而获取原始图像中待处理对象的图像特征数据，使得利用待处理对象的图像特征数据、原始图像的特征数据以及生成器生成的处理后图像，能够满足目标对象类型的处理要求，达到有效地处理图像中的待处理对象的效果。到有效地处理图像中的待处理对象的效果。到有效地处理图像中的待处理对象的效果。

【技术实现步骤摘要】
一种图像数据处理方法及装置


[0001]本申请涉及计算机
，具体涉及一种图像数据处理方法、装置、电子设备和计算机存储介质。

技术介绍

[0002]随着图像处理技术以及互联网技术的发展，图像处理显得越来越重要。同时，图像处理技术正在向处理算法更优化、处理速度更快、处理后的图像清晰度更高的方向发展，实现图像的智能生成、处理、识别是图像处理技术的未来发展趋势。
[0003]以服装图像处理作为图像处理技术的应用典例，现有的服装图像处理方式主要是采用近年来日益兴起的生成对抗网络来处理服装图像。这些服装图像处理方式主要涉及服装风格的迁移，例如，可以采用CycleGan网络模型将某一服装上的纹理迁移到另外一件与之同类的服装的纹理上，从而达到改变其他服装纹理的效果。即通过上述CycleGan网络模型进行服装图像处理，可以完成同一类别服装纹理级风格的迁移。但是该图像处理方式不涉及在保持原有服装纹理的情形下进行不同类别服装的转换。虽然，随着图像技术的迅速发展，也有一些服装图像处理方式，能够实现在保持原有服装纹理的情形下进行不同类别服装的转换，例如采用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像数据处理方法，其特征在于，包括：获取原始图像与目标对象类型；所述原始图像中包含至少一处待处理对象；根据所述原始图像获取所述原始图像中的与待处理对象相关的关键点信息；根据所述关键点信息获取所述待处理对象的图像特征数据，将所述待处理对象的图像特征数据以及所述原始图像的特征数据提供给生成器，生成处理后图像；在所述处理后图像中，所述待处理对象变换为所述目标对象类型的处理后对象。2.根据权利要求1所述的方法，其特征在于，所述获取所述原始图像中的与待处理对象相关的关键点信息，包括：将所述原始图像，作为用于获取关键点信息的网络模型的输入数据，将所述用于获取关键点信息的网络模型的输出结果，作为所述原始图像中的与待处理对象相关的关键点信息；其中，所述用于获取关键点信息的网络模型为能够根据原始图像，获取原始图像中的与待处理对象相关的关键点信息的网络模型。3.根据权利要求1所述的方法，其特征在于，所述根据所述关键点信息获取所述待处理对象的图像特征数据，包括：根据所述关键点信息，获取关键点在所述原始图像中的关键点位置信息；提取所述原始图像中的关键点位置处的图像特征数据，并将提取的所述原始图像中的关键点位置处的图像特征数据，作为所述待处理对象的图像特征数据。4.根据权利要求1所述的方法，其特征在于，所述根据所述关键点信息获取所述待处理对象的图像特征数据，包括：根据所述关键点信息，获取所述待处理对象在所述原始图像中的位置信息；根据所述待处理对象在所述原始图像中的位置信息，获取所述待处理对象的掩码信息，并将所述待处理对象的掩码信息作为所述待处理对象的图像特征数据。5.根据权利要求4所述的方法，其特征在于，在将所述待处理对象的图像特征数据以及所述原始图像的特征数据提供给生成器，生成处理后图像之前，还包括：将所述待处理对象的掩码信息与所述原始图像的特征数据进行合并编码，获取编码结果。6.根据权利要求5所述的方法，其特征在于，所述将所述待处理对象的图像特征数据以及所述原始图像的特征数据提供给生成器，生成处理后图像，包括：将所述编码结果，所述待处理对象的图像特征数据以及所述原始图像的特征数据提供给生成器，生成处理后图像。7.根据权利要求1所述的方法，其特征在于，在将所述待处理对象的图像特征数据以及所述原始图像的特征数据提供给生成器之前，还包括根据所述原始图像，获取所述原始图像的特征数据。8.根据权利要求7所述的方法，其特征在于，所述根据所述原始图像，获取所述原始图像的特征数据，包括：将所述原始图像输入至第一特征提取器中，获取所述第一特征提取器针对所述原始图像提取的第一特征数据，并将所述第一特征数据作为所述原始图像的特征数据。9.根据权利要求1所述的方法，其特征在于，所述目标对象类型包括以下类型中的至少一种：针对所述待处理对象的类别变换类型；
针对所述待处理对象的图像特征变换类型。10.根据权利要求1所述的方法，其特征在于，还包括：基于原始图像样本与目标图像样本对生成器以及判别器进行对抗训练。11.根据权利要求10所述的方法，其特征在于，所述基于原始图像样本与目标图像样本对生成器以及判别器进行对抗训练，包括：获取原始图像样本与目标图像样本；所述目标图像样本是指将所述原始图像样本的所述待处理对象按照所述目标对象类型进行变换对象后的图像样本；将所述原始图像样本的图像特征数据与所述原始图像样本中的待处理对象的图像特征数据提供给初始生成器，生成第一处理后图像；采用初始判别器判断所述第一处理后图像与所述目标图像样本的之间的差值是否使得损失函数的损失值满足预设目标训练条件；其中，所述损失函数为基于CycleGAN网络模型的Cycle损失函数与L2损失函数构建的函数；如果所述损失值不满足所述预设目标训练条件，则调整所述初始生成器与所述初始判别器的模型参数；将所述原始图像样本的图像特征数据、所述原始图像样本中的待处理对象的图像特征数据与所述第一处理后图像的图像特征数据提供给调整模型参数后的生成器，生成第二...

【专利技术属性】
技术研发人员：郎一宁，杨帆，何源，薛晖，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：