【技术实现步骤摘要】
模型训练方法、图像处理方法、装置、设备及存储介质
[0001]本专利技术实施例涉及图像处理领域，尤其涉及模型训练方法、图像处理方法、装置、设备及存储介质。
技术介绍
[0002]美颜功能已成为许多应用程序中的重要功能之一，利用美颜功能可以对人脸图像进行美化，进而祛除人脸皮肤中的瑕疵，如痘痘、痣、色斑以及粗大毛孔等等。
[0003]目前，常见的美颜处理方案包括基于保留边缘的滤波器实现，例如双边滤波器、导向滤波器、表面模糊滤波器以及局部均值滤波等，或多个滤波器的组合叠加，保留眉毛、头发以及背景等具有较大像素梯度值的边缘的部分，平滑皮肤等颜色较为统一同时像素梯度较小的部分。然而，该方案会使得皮肤细节有所丢失，美化程度越高细节丢失越严重，整体质感越不真实，整个图像变得虚幻，脱离真实皮肤的质感，存在假面感觉，美颜效果不理想，影响观看者的舒适度。另外，还存在基于深度学习的美颜处理方案，该方案需要先通过目标检测模型来检测到人脸中的瑕疵，再利用局部磨皮或填充等方法来祛除瑕疵，但目标检测模型的时效性差，再加上后续处理过程，会导致整个图...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：获取包含训练样本对的第一训练样本集合，其中，所述训练样本对中包括包含瑕疵的原始人脸样本图像和在所述原始人脸样本图像基础上祛除瑕疵后的目标人脸样本图像；利用所述第一训练样本集合基于预设损失函数对预设原始网络模型进行训练，得到目标网络模型，其中，所述预设原始网络模型中包括参数待调整的生成对抗网络和预先训练好的参数固定的瑕疵分割网络，所述生成对抗网络中包含生成网络和判别网络，所述生成网络用于生成目标域无瑕疵人脸图像，所述瑕疵分割网络用于对所述生成网络输出的生成图像进行分割以得到基于瑕疵区域和非瑕疵区域的分割结果，所述预设损失函数中包含抑制瑕疵损失函数，所述抑制瑕疵损失函数由所述分割结果转化得到，用于约束所述生成图像在生成过程中瑕疵的产生；根据所述目标网络模型中包含的目标生成网络确定人脸图像处理模型，其中，所述人脸图像处理模型用于对待处理人脸图像进行处理，以祛除所述待处理人脸图像中包含的瑕疵。2.根据权利要求1所述的方法，其特征在于，在利用所述第一训练样本集合基于预设损失函数对预设原始网络模型进行训练的过程中，所述生成网络以所述原始人脸样本图像为输入，并输出生成图像，所述判别网络以对应的所述目标人脸样本图像和所述生成图像为输入，并输出所述目标人脸样本图像和所述生成图像是否相同。3.根据权利要求2所述的方法，其特征在于，所述预设损失函数中还包括重建损失函数和对抗损失函数，其中，所述重建损失函数用于约束所述生成图像和对应的目标人脸样本图像之间的差距。4.根据权利要求1所述的方法，其特征在于，在所述利用所述训练样本集合基于预设损失函数对预设原始网络模型进行训练之前，还包括：获取包含所述训练样本对的第二训练样本集合；根据所述第二训练样本集合中的各训练样本对中的所述原始人脸样本图像和所述目标人脸样本图像之间的差异，对所述原始人脸样本图像进行分割标注，得到包含瑕疵区域和非瑕疵区域的目标分割图像；将所述原始人脸样本图像作为预设原始瑕疵分割网络的输入，将对应的目标分割图像作为期望，基于预设分割损失函数对所述预设原始瑕疵分割网络进行训练，得到瑕疵分割网络。5.根据权利要求4所述的方法，其特征在于，所述根据所述第二训练样本集合中的各训练样本对中的所述原始人脸样本图像和所述目标人脸样本图像之间的差异，对所述原始人脸样本图像进行分割标注，包括：对于所述第二训练样本集合中的每个训练样本对，计算各像素位置对应的第一像素和第二像素的绝对差值，其中，所述第一像素来源于所述原始人脸样本图像，所述第二像素来源于所述目标人脸样本图像；根据各所述绝对差值确定目标分割阈值；利用所述目标分割阈值对所述原始人脸样...
【专利技术属性】
技术研发人员：徐颖，李玉乐，项伟，
申请(专利权)人：百果园技术新加坡有限公司，
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。