本发明专利技术公开了一种图像风格迁移方法、装置、设备及存储介质，属于图像处理技术领域。本发明专利技术通过获取目标风格程度调整参数，以及历史图像集；将所述目标风格程度调整参数和所述历史图像集输入至预设网络模型，得到参考网络模型；基于目标损失函数对所述参考网络模型进行训练，得到目标风格迁移模型；在完成训练的推断阶段，将待风格化图像和目标风格程度调整参数输入至所述目标风格迁移模型，得到所述目标风格迁移模型输出的目标风格图像，在模型训练时加入风格程度调整参数，通过一次训练而自由地调整生成的风格化结果的风格化程度，提高了图像风格化程度调整的灵活性。图像风格化程度调整的灵活性。图像风格化程度调整的灵活性。
【技术实现步骤摘要】
图像风格迁移方法、装置、设备及存储介质
[0001]本专利技术涉及图像处理
，尤其涉及一种图像风格迁移方法、装置、设备及存储介质。
技术介绍
[0002]图像神经风格迁移旨在使用神经网络将风格图像的风格与内容图像的内容相结合。早期的图像风格迁移方法大多都是基于在一个大型有标注的图像数据集ImageNet上训练的分类网络所提取的图像特征之上的。通过内容图像与风格化结果图像在VGG特征层的感知损失来保持内容图像的内容，而通过风格图像和风格化结果图像的Gram矩阵的风格损失，来引导风格化结果图像的风格。但是此类基于VGG网络的方法需要预先在有标注的大型分类图像数据集进行训练，收集这样一个大型的有标注分类数据集是十分消耗人力且繁琐的，并且由于使用的分类数据集中并没有艺术家的风格图像，因此使用在此之上训练的分类网络的表征可能会带来风格表达的偏差。
[0003]针对上述的问题，目前所采取的风格迁移方法是将风格看做是一种“集体精神的表达”，通过收集符合某一类风格的风格图像集，使用生成对抗网络的训练方法，将内容图像送入到一个自动编码器网络中将其通过对抗训练的方式转化为遵循某类风格的图像。但是基于生成对抗网络的方法相比于传统基于VGG网络的方法难以自由地调整其风格化程度，使得用户需要调整训练的超参数进行重新训练以改变风格化程度。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
[0005]本专利技术的主要目的在于提供一种图像风格迁移方法、装置、设备及存储介质，旨在解决现有技术图像风格化程度的调整不够灵活的技术问题。
[0006]为实现上述目的，本专利技术提供了一种图像风格迁移方法，所述图像风格迁移方法包括以下步骤：
[0007]获取目标风格程度调整参数，以及历史图像集；
[0008]将所述目标风格程度调整参数和所述历史图像集输入至预设网络模型，得到参考网络模型；
[0009]基于目标损失函数对所述参考网络模型进行训练，得到目标风格迁移模型；
[0010]在完成训练的推断阶段，将待风格化图像和所述目标风格程度调整参数输入至所述目标风格迁移模型，得到所述目标风格迁移模型输出的目标风格图像。
[0011]可选地，所述获取目标风格程度调整参数，包括：
[0012]从预设范围中进行随机采样，得到风格因子；
[0013]通过非线性映射将所述风格因子进行映射，得到目标风格程度调整参数。
[0014]可选地，所述将所述目标风格程度调整参数和所述历史图像集输入至预设网络模
型，得到参考网络模型，包括：
[0015]从所述历史图像集中筛选出不符合预设条件的历史图像；
[0016]对所述不符合预设条件的历史图像进行预处理，得到处理后的历史图像；
[0017]将所述处理后的历史图像和所述目标风格程度调整参数输入至预设网络模型，得到参考网络模型。
[0018]可选地，所述处理后的历史图像包括处理后的历史内容图像和处理后的历史风格图像；
[0019]所述将所述处理后的历史图像和所述目标风格程度调整参数输入至预设网络模型，得到参考网络模型，包括：
[0020]将所述处理后的历史内容图像输入至预设网络模型对应的生成器；
[0021]通过所述生成器根据所述目标风格程度调整参数和处理后的历史内容图像生成参考风格图像；
[0022]根据所述参考风格图像和所述处理后的历史风格图像对所述预设网络模型进行训练，得到参考网络模型。
[0023]可选地，所述基于目标损失函数对所述参考网络模型进行训练，得到目标风格迁移模型，包括：
[0024]将所述参考风格图像和所述处理后的历史风格图像输入至所述参考网络模型对应的判别器中进行比较；
[0025]根据比较结果和目标损失函数对所述生成器和所述判别器进行训练，以使所述生成器和所述判别器达到平衡；
[0026]在所述生成器和所述判别器达到平衡时，将对应的参考网络模型作为目标风格迁移模型。
[0027]可选地，所述基于目标损失函数对所述参考网络模型进行训练，得到目标风格迁移模型之前，还包括：
[0028]获取所述参考网络模型对应的各个损失模块的权重参数；
[0029]根据所述权重参数、所述目标风格程度调整参数和历史图像集构建对抗损失函数、内容损失函数、风格化内容损失函数以及风格因子损失函数；
[0030]根据所述抗损失函数、所述内容损失函数、所述风格化内容损失函数以及所述风格因子损失函数确定目标损失函数。
[0031]可选地，所述在完成训练的推断阶段，将待风格化图像和所述目标风格程度调整参数输入至所述目标风格迁移模型，得到所述目标风格迁移模型输出的目标风格图像之后，还包括：
[0032]获取用户根据所述目标风格图像反馈的满意度；
[0033]在所述满意度未达到预设满意度时，对所述目标风格程度调整参数进行调整；
[0034]基于调整后的目标风格程度调整参数得到新的目标风格图像。
[0035]此外，为实现上述目的，本专利技术还提出一种图像风格迁移装置，所述图像风格迁移装置包括：
[0036]获取模块，用于获取目标风格程度调整参数，以及历史图像集；
[0037]训练模块，用于将所述目标风格程度调整参数和所述历史图像集输入至预设网络
模型，得到参考网络模型；
[0038]所述训练模块，还用于基于目标损失函数对所述参考网络模型进行训练，得到目标风格迁移模型；
[0039]处理模块，用于在完成训练的推断阶段，将待风格化图像和所述目标风格程度调整参数输入至所述目标风格迁移模型，得到所述目标风格迁移模型输出的目标风格图像。
[0040]此外，为实现上述目的，本专利技术还提出一种图像风格迁移设备，所述图像风格迁移设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的图像风格迁移程序，所述图像风格迁移程序配置为实现如上文所述的图像风格迁移方法。
[0041]此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质上存储有图像风格迁移程序，所述图像风格迁移程序被处理器执行时实现如上文所述的图像风格迁移方法。
[0042]本专利技术通过获取目标风格程度调整参数，以及历史图像集；将所述目标风格程度调整参数和所述历史图像集输入至预设网络模型，得到参考网络模型；基于目标损失函数对所述参考网络模型进行训练，得到目标风格迁移模型；在完成训练的推断阶段，将待风格化图像和所述目标风格程度调整参数输入至所述目标风格迁移模型，得到所述目标风格迁移模型输出的目标风格图像，在模型训练时加入风格程度调整参数，通过一次训练而自由地调整生成的风格化结果的风格化程度，提高了图像风格化程度调整的灵活性。
附图说明
[0043]图1是本专利技术实施例方案涉及的硬件运行环境的图像风格迁移设备的结构示意图；
[0044]图2为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像风格迁移方法，其特征在于，所述图像风格迁移方法包括：获取目标风格程度调整参数，以及历史图像集；将所述目标风格程度调整参数和所述历史图像集输入至预设网络模型，得到参考网络模型；基于目标损失函数对所述参考网络模型进行训练，得到目标风格迁移模型；在完成训练的推断阶段，将待风格化图像和所述目标风格程度调整参数输入至所述目标风格迁移模型，得到所述目标风格迁移模型输出的目标风格图像。2.如权利要求1所述的图像风格迁移方法，其特征在于，所述获取目标风格程度调整参数，包括：从预设范围中进行随机采样，得到风格因子；通过非线性映射将所述风格因子进行映射，得到目标风格程度调整参数。3.如权利要求1所述的图像风格迁移方法，其特征在于，所述将所述目标风格程度调整参数和所述历史图像集输入至预设网络模型，得到参考网络模型，包括：从所述历史图像集中筛选出不符合预设条件的历史图像；对所述不符合预设条件的历史图像进行预处理，得到处理后的历史图像；将所述处理后的历史图像和所述目标风格程度调整参数输入至预设网络模型，得到参考网络模型。4.如权利要求3所述的图像风格迁移方法，其特征在于，所述处理后的历史图像包括处理后的历史内容图像和处理后的历史风格图像；所述将所述处理后的历史图像和所述目标风格程度调整参数输入至预设网络模型，得到参考网络模型，包括：将所述处理后的历史内容图像输入至预设网络模型对应的生成器；通过所述生成器根据所述目标风格程度调整参数和处理后的历史内容图像生成参考风格图像；根据所述参考风格图像和所述处理后的历史风格图像对所述预设网络模型进行训练，得到参考网络模型。5.如权利要求4所述的图像风格迁移方法，其特征在于，所述基于目标损失函数对所述参考网络模型进行训练，得到目标风格迁移模型，包括：将所述参考风格图像和所述处理后的历史风格图像输入至所述参考网络模型对应的判别器中进行比较；根据比较结果和目标损失函数对所述生成器和所述判别器进行训练，以使所述生成器和所述判别器达到平衡；在所述生成器和所...
【专利技术属性】
技术研发人员：左力文，夏叶锋，靳倩倩，
申请(专利权)人：中国移动通信集团有限公司，
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。