模型训练方法及图像处理方法技术

本公开提供了一种模型训练方法及图像处理方法，涉及人工智能领域，具体涉及图像处理和深度学习技术，具体实现方案为：获取训练样本；将训练样本输入光照风格迁移模型中，由光照风格迁移模型根据样本图像和样本参考图像生成样本图像的光照风格迁移图像；获取样本参考图像和光照风格图像的风格相似度，并基于风格相似度调整光照风格迁移模型的模型参数，直至满足训练结束条件，将最后一次调整模型参数后的光照风格迁移模型确定为目标光照风格迁移模型。由此，本公开获取收敛的目标光照风格迁移模型能够准确、可靠地将样本参考图像的光照风格迁移至样本图像中，同时为基于目标光照风格迁移模型进行图像处理奠定了基础。风格迁移模型进行图像处理奠定了基础。风格迁移模型进行图像处理奠定了基础。

【技术实现步骤摘要】
模型训练方法及图像处理方法


[0001]本公开涉及计算机
，并且更具体地涉及人工智能领域，具体涉及图像处理、机器学习和深度学习技术。

技术介绍

[0002]相关技术中，当进行光照风格迁移时，通常会采用基于融合检索技术的图像融合方式进行处理，然而这样往往存在计算量较大、占用较多存储空间以及准确性差等技术问题。因此，如何通过训练得到收敛的光照分格迁移模型，并基于光照分格迁移模型高效、准确地进行光照风格迁移，已成为重要的研究方向之一。

技术实现思路

[0003]本公开提供了一种模型训练方法及图像处理方法。
[0004]根据本公开的一方面，提供了一种模型训练方法，包括：
[0005]获取训练样本，其中，所述训练样本包括样本图像以及与所述样本图像对应的样本参考图像，所述样本图像和所述样本参考图像具有不同的光照风格；
[0006]将所述训练样本输入光照风格迁移模型中，由所述光照风格迁移模型根据所述样本图像和所述样本参考图像生成所述样本图像的光照风格迁移图像；
[0007]获取所述样本参考图像和所述光照风本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，包括：获取训练样本，其中，所述训练样本包括样本图像以及与所述样本图像对应的样本参考图像，所述样本图像和所述样本参考图像具有不同的光照风格；将所述训练样本输入光照风格迁移模型中，由所述光照风格迁移模型根据所述样本图像和所述样本参考图像生成所述样本图像的光照风格迁移图像；获取所述样本参考图像和所述光照风格图像的风格相似度，并基于所述风格相似度调整所述光照风格迁移模型的模型参数，直至满足训练结束条件，将最后一次调整所述模型参数后的所述光照风格迁移模型确定为目标光照风格迁移模型。2.根据权利要求1所述的训练方法，其中，所述光照风格迁移模型为生成式对抗网络GAN模型，所述方法还包括：基于所述训练样本对所述GAN模型中的生成网络和判别网络进行对抗训练，其中，所述生成网络用于根据所述样本图像和所述样本参考图像生成所述样本图像的光照风格迁移图像，所述判别网络用于根据所述样本参考图像对所述光照风格图像进行风格相似度判别；基于所述风格相似度，调整所述GAN模型的模型参数，以获取目标GAN模型。3.根据权利要求1所述的训练方法，其中，所述获取训练样本，包括：获取所述样本参考图像以及所述样本参考图像对应的拍摄角度、拍摄位置和第一拍摄时间；获取第二拍摄时间，并根据所述拍摄角度、所述拍摄位置和所述第二拍摄时间进行图像采集，以获取所述样本图像，其中，所述第一拍摄时间和所述第二拍摄时间分别对应于不同的光照风格。4.根据权利要求3所述的训练方法，其中，所述根据所述拍摄角度、所述拍摄位置和所述第二拍摄时间进行图像采集，以获取所述样本图像，包括：获取至少一个拍摄参数，其中，所述拍摄参数至少包括以下之一：曝光程度和对焦情况；针对每个所述拍摄参数，按照所述拍摄参数、所述拍摄角度、所述拍摄位置和所述第二拍摄时间进行图像采集，以获取所述样本图像。5.根据权利要求2或3所述的训练方法，其中，所述根据所述样本图像和所述样本参考图像生成所述样本图像的光照风格迁移图像，包括：对所述样本参考图像的光照风格进行分离，以得到所述样本参考图像对应的参考光照风格；将所述参考光照风格迁移至所述样本图像中，以得到所述光照风格迁移图像。6.根据权利要求5所述的训练方法，其中，所述方法还包括：将所述光照风格迁移图像和所述样本参考图像输入至所述判别网络，由所述判别网络对所述光照风格迁移图像和所述样本参考图像进行特征提取，以获取所述光照风格迁移图像对应的第一风格特征和所述样本参考图像对应的第二风格特征；根据所述第一风格特征和所述第二风格特征，获取所述光照风格迁移图像和所述样本参考图像之间的所述风格相似度。7.根据权利要求6所述的训练方法，其中，所述基于所述风格相似度调整所述光照风格
迁移模型的模型参数，包括：响应于所述风格相似度未达到预设风格相似度阈值，则根据所述风格相似度获取损失函数，并根据所述损失函数调整所述光照风格迁移模型的所述模型参数。8.一种图像处理方法，包括：获取待处理图像；将所述待处理图像输入至目标光照风格迁移模型，由所述目标光照风格迁移模型输出所述待处理图像的目标光照风格迁移图像，其中，所述目标光照风格迁移模型为采用如权利要求1
‑
7任一项所述的模型训练方法训练出的模型。9.根据权利要求8所述的处理方法，其中，所述目标光照风格迁移模型为目标生成式对抗网络GAN模型，所述方法还包括：将所述待处理图像输入至所述目标GAN模型，由所述目标GAN模型中的生成网络输出所述待处理图像的所述目标光照风格迁移图像。10.一种图像处理方法，包括：获取待处理图像以及与所述待处理图像对应的参考图像；获取所述待处理图像对应的第一光照风格以及所述参考图像对应的第二光照风格；根据所述第一光照风格和所述第二光照风格，获取所述待处理图像的目标光照风格迁移图像。11.根据权利要求10所述的处理方法，其中，所述获取待处理图像以及与所述待处理图像对应的参考图像，包括：获取所述待处理图像以及所述待处理图像对应的拍摄角度和拍摄位置；获取目标拍摄时间，并根据所述待处理图像对应的拍摄角度和拍摄位置，获取于所述目标拍摄时间拍摄的所述参考图像，其中，所述待处理图像对应的拍摄角度和拍摄位置与所述参考图像对应的拍摄角度和拍摄位置一致。12.根据权利要求10所述的处理方法，其中，所述获取所述待处理图像对应的第一光照风格以及所述参考图像对应的第二光照风格，包括：对所述待处理图像的光照风格进行分离，以得到所述待处理图像对应的所述第一光照风格；对所述参考图像的光照风格进行分离，以得到所述参考图像对应的所述第二光照风格。13.根据权利要求10或12所述的处理方法，其中，所述根据所述第一光照风格和所述第二光照风格，获取所述待处理图像的目标光照风格迁移图像，包括：根据所述第一光照风格获取所述待处理图像的第一光照参数，并根据所述第二光照风格获取所述参考图像的第二光照参数；根据所述第二光照参数对所述第一光照参数进行调整，并将调整后的所述待处理图像作为所述目标光照风格迁移图像。14.一种模型训练装置，包括：获取模块，用于获取训练样本，其中，所述训练样本包括样本图像以及与所述样本图像对应的样本参考图像，所述样本图像和所述样本参考图像具有不同的光照风格；生成模块，用于将所述训练样本输入光照风格迁移模型中，由所述光照风格迁移模型
根据所述样本图像...

【专利技术属性】
技术研发人员：杨威，叶晓青，陈曲，谭啸，孙昊，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：