图像处理模型训练方法及装置制造方法及图纸

本说明书实施例提供图像处理模型训练方法及装置，其中，所述图像处理模型训练方法包括获取具有第一类型属性以及第二类型属性的初始样本视频；将所述第一类型属性的初始样本视频解码为第一样本图像，以及将对应的所述第二类型属性的初始样本视频解码为第二样本图像；基于所述第一样本图像和所述第二样本图像生成第一样本图像训练集，根据所述第一样本图像训练集训练并获得第一图像处理模型；根据所述第一样本图像和所述第二样本图像确定第三样本图像，基于所述第三样本图像以及所述第二样本图像训练并获得第二图像处理模型。样本图像训练并获得第二图像处理模型。样本图像训练并获得第二图像处理模型。

【技术实现步骤摘要】
图像处理模型训练方法及装置


[0001]本说明书实施例涉及计算机
，特别涉及图像处理模型训练方法。本说明书一个或者多个实施例同时涉及视频处理方法、图像处理模型训练装置、视频处理装置、计算设备，以及计算机可读存储介质。

技术介绍

[0002]随着超高清视频的流行，广电行业对HDR(英文全称：High-Dynamic Range,中文全称：高动态范围图像，简称：HDR)视频的需求日益增加。但是受限于之前摄影设备的局限，目前大部分视频还都是SDR(英文全称：Standard Dynamic Rang，中文全称：标准动态范围，简称：SDR)视频，而若要重新拍摄HDR视频又会造成时间以及资源浪费。
[0003]因此，急需提供一种可以将现有的SDR视频转换为HDR视频的视频处理方法。

技术实现思路

[0004]有鉴于此，本说明书施例提供了图像处理模型训练方法。本说明书一个或者多个实施例同时涉及视频处理方法、图像处理模型训练装置、视频处理装置、计算设备，以及计算机可读存储介质，以解决现有技术中存在的技术缺陷。
[0005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理模型训练方法，包括：接收用户发送的调用请求，其中，所述调用请求中携带具有第一类型属性以及第二类型属性的初始样本视频；将所述第一类型属性的初始样本视频解码为第一样本图像，以及将对应的所述第二类型属性的初始样本视频解码为第二样本图像；基于所述第一样本图像和所述第二样本图像生成第一样本图像训练集，根据所述第一样本图像训练集训练并获得第一图像处理模型；根据所述第一样本图像和所述第二样本图像确定第三样本图像，基于所述第三样本图像以及所述第二样本图像训练并获得第二图像处理模型，并将所述第一图像处理模型和所述第二图像处理模型返回给所述用户。2.一种图像处理模型训练方法，包括：获取具有第一类型属性以及第二类型属性的初始样本视频；将所述第一类型属性的初始样本视频解码为第一样本图像，以及将对应的所述第二类型属性的初始样本视频解码为第二样本图像；基于所述第一样本图像和所述第二样本图像生成第一样本图像训练集，根据所述第一样本图像训练集训练并获得第一图像处理模型；根据所述第一样本图像和所述第二样本图像确定第三样本图像，基于所述第三样本图像以及所述第二样本图像训练并获得第二图像处理模型。3.根据权利要求2所述的图像处理模型训练方法，所述基于所述第一样本图像和所述第二样本图像生成第一样本图像训练集，根据所述第一样本图像训练集训练并获得第一图像处理模型包括：将所述第一样本图像作为第一样本数据，将与所述第一样本图像对应的第二样本图像作为所述第一样本数据的第一样本标签；基于所述第一样本数据以及所述第一样本数据的第一样本标签形成第一样本图像训练集；基于所述第一样本图像训练集训练并获得第一图像处理模型。4.根据权利要求2所述的图像处理模型训练方法，所述根据所述第一样本图像和所述第二样本图像确定第三样本图像包括：对所述第一样本图像进行过曝筛选，获得过曝的第一样本图像以及所述过曝的第一样本图像对应的第二样本图像；将所述过曝的第一样本图像对应的第二样本图像进行归一化处理，生成归一化后的第三样本图像。5.根据权利要求4所述的图像处理模型训练方法，所述基于所述第三样本图像以及所述第二样本图像训练并获得第二图像处理模型包括：基于所述第三样本图像以及与所述第三样本图像对应的第二样本图像训练并获得第二图像处理模型。6.根据权利要求2所述的图像处理模型训练方法，所述根据所述第一样本图像训练集训练并获得第一图像处理模型包括：根据所述第一样本图像训练集以及第一预设损失函数训练并获得第一图像处理模型。
7.根据权利要求6所述的图像处理模型训练方法，所述基于所述第三样本图像以及所述第二样本图像训练并获得第二图像处理模型包括：基于所述第三样本图像、所述第二样本图像以及第二预设损失函数训练并获得第二图像处理模型。8.根据权利要求7所述的图像处理模型训练方法，所述基于所述第三样本图像以及所述第二样本图像训练并获得第二图像处理模型之后，还包括：获取具有所述第一类型属性以及所述第二类型属性的目标样本视频；将所述第一类型属性的目标样本视频解码为第四样本图像，以及将对应的所述第二类型属性的目标样本视频解码为第五样本图像；基于所述第四样本图像和所述第五样本图像生成第二样本图像训练集，根据所述第二样本图像训练集训练所述第一图像处理模型，获得所述第一图像处理模型；根据所述第一图像处理模型的输出训练所述第二图像处理模型，获得所述第二图像处理模型。9.根据权利要求8所述的图像处理模型训练方法，所述获得所述第一图像处理模型之后，还包括：将所述第四样本图像输入所述第一图像处理模型，获得所述第一图像处理模型输出的第六样本图像，其中，所述第六样本图像与所述第五样本图像存在关联关系。10.根据权利要求9所述的图像处理模型训练方法，所述根据所述第一图像处理模型的输出训练所述第二图像处理模型包括：将所述第六样本图像作为第二样本数据，将与所述第六样本图像存在关联关系的第五样本图像作为所述第二样本数据的第二样本标签；基于所述第二样本数据以及所述第二样本数据的第二样本标签形成第二样本图像训练集；根据所述第二样本图像训练集训练所述第二图像处理模型。11.根据权利要求8所述的图像处理模型训练方法，所述根据所述第二样本图像训练集训练所述第一图像处理模型包括：根据所述第二样本图像训练集以及第三预设损失函数训练所述第一图像处理模型。12.根据权利要求10所述的图像处理模型训练方法，所述根据所述第二样本图像训练集训练所述第二图像处理模型包括：根据所述第二样本图像训练集以及所述第二预设损失函数训练所述第二图像处理模型。13.根据权利要求2所述的图像处理模型训练方法，所述将对应的所述第二类型属性的初始样本视频解码为第二样本图像之后，还包括：对所述第二样本图像进行伽玛变换；相应的，所述将对应的所述第二类型属性的目标样本视频解码为第五样本图像之后，还包括：对所述第五样本图像进行伽玛变换。14.根据权利要求1-13任意一项所述的图像处理模型训练方法，所述第一图像处理模型包括3DLUT模型，所述第二图像处理模型包括UNET网络模型。
15.一种视频处理方法，包括：接收第一类型属性的视频；将所述视频解码为第一类型属性的第一图像；将所述第一图像输入第一图像处理模型，获得第二类型属性的第二图像；将所述第二图像输入第二图像处理模型，获得第二类型属性的第三图像；对所述第三图像进行编码，以生成第二类型属性的视频。16.根据权利要求14所述的视频处理方法，所述第一图像处理模型和所述第二图像处理模型为权利要求2-14任意一项所述图像处理模型训练方法中的第一图像处理模型和第二图像处理模型。17.一种图像处理模型训练方法，包括：基于用户的调用请求为所述用户展示视频输入界面；接收所述用户基于所述视频输入界面输入的初始样本视频，其中，所述初始样本视频具有第一类型属性以及第二类型属性；将所述第一类型属性的初始样本视频解码为第一样本图像，...

【专利技术属性】
技术研发人员：郑全龙，曾辉，欧阳雯琪，
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：