训练数据生成、对抗样本生成、图像色彩修正方法及装置制造方法及图纸

本发明专利技术实施例提供一种训练数据生成、对抗样本生成、图像色彩修正方法及装置。该训练数据生成方法包括：基于重构变换后的图像进行估计，得到重构变换后的图像中各个颜色区域的颜色；将重构变换前的图像中各个颜色区域的颜色与估计得到重构变换后的图像中相应颜色区域的颜色一一进行匹配，得到包括多个所述训练数据的训练数据集。通过拟合上述步骤得到的训练数据集，有助于针对各种图片实现色彩修正，从而有助于快速且准确的预测经过重构变换的图像色彩，还有助于生成鲁棒的物理世界对抗样本，以在物理世界更高效地攻击机器学习模型。以在物理世界更高效地攻击机器学习模型。以在物理世界更高效地攻击机器学习模型。

【技术实现步骤摘要】
训练数据生成、对抗样本生成、图像色彩修正方法及装置


[0001]本专利技术涉及计算机
，尤其涉及一种训练数据生成、对抗样本生成、图像色彩修正方法及装置。

技术介绍

[0002]图像重构变换后，即重构变换前的数字图像甲制作成物理实体，再用摄影设备对物理实体做处理，从而制作成的重构变换后的数字图像乙，数字图像甲和数字图像乙之间或存在颜色变化，为降低颜色变化，需采用图像色彩修正。
[0003]现有的图像色彩修正方法主要有两大类，第一类是基于搜索算法，第二类是基于拟合算法。
[0004]基于搜索的方法通过枚举相关设备(例如打印机)可以输出的所有颜色种类，然后用k
‑
近邻的方法来对图像的每一个像素寻找离它最近的k种颜色，利用这k种颜色以及预设的核函数来预测该像素点在经过设备输出后的颜色。基于搜索的方法的时间复杂度正比于预设色表中颜色数目，当选用的颜色较多时，算法精度高但运行缓慢；而当选用的颜色较少时，算法运行较快但精度低。基于搜索的算法缺点在于，无法在精度和运算速度之间取得平衡。
[0005]基于拟合的方法利用机器学习方法在数据上训练一个拟合模型，然后用训练好的模型来预测新图片的结果。基于的拟合方法可以分为基于深度学习的方法和基于设备机理的方法两大类。
[0006]基于深度学习的拟合方法往往需要大量的训练图片，虽然现有的技术采用基于图片块的训练方法来提高深度模型利用图片的效率，但所需的训练数据量仍然较大，尤其是，利用有监督学习训练的方法更是需要配对的训练数据，搜集大量的训练数据意味着相应的成本会很高，而且往往难以得到配对数据，即在像素精度上一一配对的变换前图像和变换后图像。
[0007]基于设备机理的拟合方法虽然不需要大量的训练图片，但目前并没有针对打印机、投影仪等设备的内部机理建模方法。
[0008]因此，如何降低训练数据的搜集成本，加速图像色彩修正，成为亟待解决的技术问题。

技术实现思路

[0009]本专利技术实施例提供一种训练数据生成、对抗样本生成、图像色彩修正方法及装置，用以快速且准确的预测经过重构变换的图像色彩。此外，还用于生成鲁棒的物理世界对抗样本，以在物理世界更高效地攻击机器学习模型。
[0010]第一方面，本专利技术实施例提供一种训练数据生成方法，其中，包括：
[0011]获取包括多个不同颜色区域的图像重构变换后的图像；
[0012]基于重构变换后的图像进行估计，得到重构变换后的图像中各个颜色区域的颜
色；
[0013]将重构变换前的图像中各个颜色区域的颜色与估计得到重构变换后的图像中相应颜色区域的颜色一一进行匹配，得到包括多个所述训练数据的训练数据集。
[0014]第二方面，本专利技术实施例提供一种图像色彩修正方法，其中，包括：
[0015]拟合通过第一方面中的训练数据生成方法得到的训练数据集，获取各个颜色由重构变换前到重构变换后的映射，以获得色彩修正模型；
[0016]将重构变换前的图片输入所述色彩修正模型获得重构变换后图片，或者，将重构变换后图片输入所述色彩修正模型获得重构变换前图片。
[0017]第三方面，本专利技术实施例提供一种对抗样本生成方法，其中，将色彩修正模型和待攻击模型串联组成新模型，给定输入图片，得到对抗样本；
[0018]所述色彩修正模型是根据第二方面中的图像色彩修正方法得到。
[0019]第四方面，本专利技术实施例提供一种图像色彩修正装置，其中，该装置包括：
[0020]拟合模块，被配置为拟合通过第三方面中的训练数据生成方法得到的训练数据集，获取各个颜色由重构变换前到重构变换后的映射，以获得色彩修正模型；
[0021]输出模块，被配置为将重构变换前的图片输入所述色彩修正模型获得重构变换后图片，或者，被配置为将重构变换后图片输入所述色彩修正模型获得重构变换前图片。
[0022]此外，本专利技术实施例提供一种计算设备，该设备包括：存储器、处理器；其中，所述存储器上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器至少可以实现上述任一方面中的方法。
[0023]本专利技术实施例还提供了一种非暂时性机器可读存储介质，所述非暂时性机器可读存储介质上存储有可执行代码，当所述可执行代码被计算设备的处理器执行时，使所述处理器至少可以实现上述任一方面中的方法。
[0024]在本专利技术实施例提供的技术方案中，获取包括多个不同颜色区域的图像重构变换后的图像，基于重构变换后的图像进行估计，得到重构变换后的图像中各个颜色区域的颜色，将重构变换前的图像中各个颜色区域的颜色与估计得到重构变换后的图像中相应颜色区域的颜色一一进行匹配，得到包括多个训练数据的训练数据集。通过拟合上述步骤得到的训练数据集，有助于针对各种图片实现色彩修正。本专利技术实施例中，可以利用变换后图像的每个像素的颜色变化都是独立同分布的假设，来提升模型对训练数据的利用效率，同时在训练数据集制作阶段，通过对同一个变换前颜色的多个变换后颜色做鲁棒估计，来减小标注噪声，提高变换后颜色的标注准确性。本专利技术实现在较低数据采集成本的情况下，训练一个高精度、运算速度快的色彩修正模型。
[0025]相比基于搜索的方法，本专利技术同时实现了高精度和运算速度快；相比已有基于拟合的方法，本专利技术的训练数据搜集方式更简单；相比基于设备机理的方法，本专利技术适用于各种设备，包括打印机和投影仪，而不需要使用者对设备内部运作。
附图说明
[0026]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的
附图。
[0027]图1为本专利技术一实施例提供的训练数据生成方法的流程示意图；
[0028]图2为本专利技术一实施例提供的图像色彩修正方法的流程示意图；
[0029]图3为本专利技术一实施例提供的对抗样本生成方法的流程示意图；
[0030]图4为本专利技术一实施例提供的图像色彩修正方法的流程示意图；
[0031]图5为本专利技术一实施例提供的图像色彩修正方法的色彩修正模型的训练流程图；
[0032]图6为本专利技术一实施例提供的图像色彩修正方法的色彩修正模型的使用流程图；
[0033]图7为本专利技术一实施例提供的图像色彩修正方法的变换前色表示意图；
[0034]图8为本专利技术一实施例提供的图像色彩修正方法的变换后色表示意图；
[0035]图9为本专利技术一实施例提供的图像色彩修正方法的采集变换后色表的色块示意图；
[0036]图10为本专利技术一实施例提供的图像色彩修正方法的预测变换后图像与实际变换后图像之间的颜色差别示意图；
[0037]图11为本专利技术一实施例提供的图像色彩修正装置的结构示意图；
[0038]图12为本专利技术一实施例提供的一种介质的结构示意图；
...

【技术保护点】

【技术特征摘要】
1.一种训练数据生成方法，其中，包括：获取包括多个不同颜色区域的图像重构变换后的图像；基于重构变换后的图像进行估计，得到重构变换后的图像中各个颜色区域的颜色；将重构变换前的图像中各个颜色区域的颜色与估计得到重构变换后的图像中相应颜色区域的颜色一一进行匹配，得到包括多个所述训练数据的训练数据集。2.如权利要求1所述的训练数据生成方法，其中，所述图像为色表，所述多个不同颜色区域为多个不同颜色的色块。3.如权利要求2所述的训练数据生成方法，其中，所述色表为重构变换前的图像，重构变换前的图像中每个颜色区域为纯色。4.一种图像色彩修正方法，其中，包括：拟合通过权利要求1
‑
3中任一项所述的所述训练数据生成方法得到的训练数据集，获取各个颜色由重构变换前到重构变换后的映射，以获得色彩修正模型；将重构变换前的图片输入所述色彩修正模型获得重构变换后图片，或者，将重构变换后图片输入所述色彩修正模型获得重构变换前图片。5.如权利要求4所述的图像色彩修正方法，其中，拟合所述训练数据集时逐像素的建立颜色重构变换前后的映射关系。6.一种对抗样本生成方法，其中，将色彩修正模型...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：北京瑞莱智慧科技有限公司，
类型：发明
国别省市：