【技术实现步骤摘要】
图像转换模型训练方法、装置、设备及存储介质
[0001]本专利技术涉及图像处理
，尤其涉及一种图像转换模型训练方法、装置、设备及存储介质。
技术介绍
[0002]随着科学技术的发展，人工智能技术也逐渐应用在不同的领域当中，例如文本识别、语音文本转换等。在文本识别领域中，常常会通过人工智能技术将图像中的文本提取出来，进而提高了如文本信息采集等的速率。
[0003]现有技术中，往往通过如OCR文本识别技术对图像进行文本识别，但是图像往往是人为拍摄上传的，因此可能会由于如光照条件、是否对焦、图像是否清晰等因素导致拍摄的图像质量较低，进而导致文本识别错误率较高，因此如何有效提高图像质量是一个需要解决的问题。
技术实现思路
[0004]本专利技术实施例提供一种图像转换模型训练方法、装置、设备及存储介质，以解决图像质量较低导致文本识别错误率较高的问题。
[0005]一种图像转换模型训练方法，包括：
[0006]获取待训练图像集；所述待训练图像集中包括至少一个待训练图像以及与所述待训练图像一一...
【技术保护点】
【技术特征摘要】
1.一种图像转换模型训练方法，其特征在于，包括：获取待训练图像集；所述待训练图像集中包括至少一个待训练图像以及与所述待训练图像一一对应的目标真实图像；对所述待训练图像进行文本识别，得到至少一个待训练图像文本，以及对所述目标真实图像进行文字识别，得到至少一个目标图像文本；一个所述待训练图像文本对应一个所述目标图像文本；将所述待训练图像文本输入至包含初始参数的预设图像处理模型的第一对抗生成网络中，得到第一预测图像文本；将与所述待训练图像文本对应的所述目标图像文本输入至所述预设图像处理模型的第二对抗生成网络中，得到第二预测图像文本；获取所述第一对抗生成网络的第一损失参数，以及获取所述第二对抗生成网络的第二损失参数；所述第一损失参数包括根据各所述待训练图像文本以及与其对应的所第一预测图像文本确定的第一特征损失值；所述第二损失参数包括根据所述目标图像文本以及所述第二预测图像文本确定的第二特征损失值；根据所述第一损失参数以及所述第二损失参数，确定所述预设图像处理模型的总损失值；在所述总损失值未达到预设的收敛条件时，迭代更新所述预设图像处理模型中的初始参数，直至所述总损失值达到所述收敛条件时，将收敛之后的所述预设图像处理模型记录为图像转换模型。2.如权利要求1所述图像转换模型训练方法，其特征在于，所述将所述待训练图像文本输入至包含初始参数的预设图像处理模型的第一对抗生成网络中，得到第一预测图像文本，包括：将所述待训练图像文本输入至所述第一对抗生成网络中的第一生成器，以通过所述第一生成器生成与所述待训练图像文本对应的预测真实图像文本；将所述预测真实图像文本输入至所述第一对抗生成网络中的第二生成器，以通过所述第二生成器生成与所述预设真实图像文本对应的第一预测图像文本。3.如权利要求2所述图像转换模型训练方法，其特征在于，所述将所述待训练图像文本输入至所述第一对抗生成网络中的第一生成器，以通过所述第一生成器生成与所述待训练图像文本对应的预测真实图像文本，包括：通过所述第一生成器中的初始卷积层对所述待训练图像文本进行初始卷积处理，得到初始图像文本；通过所述第一生成器中的中间卷积层对所述初始图像文本进行中间卷积处理，得到中间图像文本；通过所述第一生成器中的反卷积层对所述中间图像文本进行上采样处理，得到上采样图像文本；将所述上采样图像文本输入至输出卷积层，以通过所述输出卷积层对所述上采样图像文本进行卷积处理之后，得到所述预测真实图像文本。4.如权利要求2所述图像转换模型训练方法，其特征在于，所述获取所述第一对抗生成网络的第一损失参数之前，还包括：根据所述预测真实图像文本以及与所述待训练图像文本对应的所述目标图像文本，生
成所述与所述第一生成器对应的第一对抗损失值；根据所述第一预测图像文本以及所述待训练图像文本生成与所述第二生成器对应的第二对抗损失值；根据所述第一预测图像文本以及所述待训练图像文本生成所述第一特征损失值；根据所述第一对抗损失值、第二对抗损失值以及第一特征损失值，生成所述第一损失参数。5.如权利要求1所述图像转换模型训练方法，其特征在于，所述将与所述待训练图像文本对应的所述目标图像文本输入至所述预设图像处理模型的第二对抗生成网络中，...
【专利技术属性】
技术研发人员：刘海伦，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：
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。