本公开关于一种模型训练和图像处理方法、装置、电子设备和存储介质，属于图像处理技术领域，模型训练方法包括：获取第一面部图像集；对第一面部图像集进行级联处理，得到第二面部图像集；级联处理包括先后执行的第一处理和第二处理；将所述第一面部图像集输入待训练的目标模型进行处理，得到第一输出面部图像集；利用所述第一输出面部图像集中的面部图像与所述第二面部图像集中对应的面部图像之间的误差，调整所述待训练的目标模型的模型参数，以训练所述目标模型。本公开提供的模型训练和图像处理方法、装置、电子设备和存储介质，能够至少解决相关技术中利用神经网络模型生成纹理时可能导致图像出现纹理叠加的技术问题。时可能导致图像出现纹理叠加的技术问题。时可能导致图像出现纹理叠加的技术问题。
【技术实现步骤摘要】
模型训练和图像处理的方法、装置、电子设备及存储介质
[0001]本公开涉及神经网络
，特别涉及一种模型训练和图像处理的方法、装置、电子设备及存储介质。
技术介绍
[0002]随着神经网络技术的发展，利用神经网络模型进行图像处理的方案得到越来越广泛的应用。在某些应用场景中，利用神经网络模型实施的图像处理，可以包括在面部图像的目标区域处的面部特征纹理生成。
[0003]然而，面部图像的目标区域可能存在已有面部特征纹理，在此情况下，经神经网络模型处理后的面部图像可能在目标区域处存在生成的面部特征纹理与已有面部特征纹理的叠加，从而导致处理后的面部图像质量不能达到预期水平。
技术实现思路
[0004]本公开提供一种模型训练和图像处理的方法、装置、电子设备及存储介质，以至少解决相关技术中利用神经网络模型生成面部特征纹理时图像质量不能达到预期水平的技术问题。
[0005]根据本公开实施例的一方面，提供一种模型训练方法，包括：
[0006]获取第一面部图像集；
[0007]对所述第一面部图像集进行级联处理，得到第二面部图像集；其中，所述级联处理包括先后执行的第一处理和第二处理，所述第一处理用于去除所述第一面部图像集中的面部图像在目标区域的已有面部特征纹理，所述第二处理用于在所述第一处理后得到的预处理面部图像集中的面部图像的所述目标区域生成所述面部特征纹理；
[0008]将所述第一面部图像集输入待训练的目标模型进行处理，得到第一输出面部图像集；
[0009]利用所述第一输出面部图像集中的面部图像与所述第二面部图像集中对应的面部图像之间的误差，调整所述待训练的目标模型的模型参数，以训练目标模型。
[0010]在一种可能实施方式中，所述对所述第一面部图像集进行级联处理，得到第二面部图像集，包括：
[0011]利用第一模型对所述第一面部图像集执行所述第一处理，得到预处理面部图像集；
[0012]利用与所述第一模型级联的第二模型对所述预处理面部图像集执行所述第二处理，得到所述第二面部图像集。
[0013]在一种可能实施方式中，所述模型训练方法还包括：
[0014]获取第三面部图像集；
[0015]将所述第三面部图像集输入所述第二模型进行处理，以在所述第三面部图像集中各面部图像的所述目标区域生成所述面部特征纹理，得到第二输出面部图像集；
[0016]利用所述第二输出面部图像集中的面部图像与预先配置的目标面部图像集中对应的面部图像之间的误差，调整所述第二模型的模型参数，以及训练所述第二模型；
[0017]其中，所述第三面部图像集和所述目标面部图像集中的面部图像数量为第一数量，所述第一面部图像集和所述第二面部图像集中的面部图像数量为第二数量，并且，所述第二数量多于所述第一数量。
[0018]在一种可能实施方式中，对所述第二模型的训练是在对所述第一面部图像集进行级联处理之前完成的；或者，
[0019]对所述第二模型的训练，与对所述目标模型的训练同步；或者，
[0020]对所述第二模型的训练，与对所述目标模型的训练分阶段交替完成。
[0021]在一种可能实施方式中，所述目标模型的网络规模小于所述第二模型的网络规模。
[0022]在一种可能实施方式中，所述模型训练方法还包括：
[0023]将所述目标面部图像集中的部分或全部面部图像输入所述第一模型进行处理，以在所述目标面部图像集中各面部图像的所述目标区域去除已有面部特征纹理，得到第三输出面部图像集；
[0024]利用所述第三输出面部图像集中的面部图像与所述第三面部图像集中对应的部分或全部面部图像之间的误差，调整所示第一模型的模型参数，以训练所述第一模型。
[0025]在一种可能实施方式中，对所述第一模型的训练是在对所述第一面部图像集进行级联处理之前完成的；或者，
[0026]对所述第一模型的训练，与对所述目标模型的训练同步；或者，
[0027]对所述第一模型的训练，与对所述目标模型的训练分阶段交替完成。
[0028]在一种可能实施方式中，所述第一模型、第二模型和目标模型中的至少一个为残差网络模型。
[0029]在一种可能实施方式中，所述目标区域为眼皮区域。
[0030]根据本公开实施例的另一方面，提供一种图像处理方法，包括：
[0031]利用上述任一项所述的模型训练方法训练的目标模型，对获取的面部图像进行处理，得到目标图像。
[0032]根据本公开实施例的另一方面，提供一种模型训练装置，包括：接口单元、级联处理单元和目标模型训练单元；
[0033]所述接口单元，用于获取第一面部图像集；
[0034]所述级联处理单元，用于对所述第一面部图像集进行级联处理，得到第二面部图像集；其中，所述级联处理包括先后执行的第一处理和第二处理，所述第一处理用于去除所述第一面部图像集中的面部图像在目标区域的已有面部特征纹理，所述第二处理用于在所述第一处理后得到的预处理面部图像集中的面部图像的目标区域生成所述面部特征纹理；
[0035]所述目标模型训练单元，用于将所述第一面部图像集输入待训练的目标模型进行处理，得到第一输出面部图像集；利用所述第一输出面部图像集中的面部图像与所述第二面部图像集中对应的面部图像之间的误差，调整所述待训练的目标模型的模型参数，以训练所述目标模型。
[0036]在一种可能实施方式中，所述级联处理单元包括：第一模型，用于对所述第一面部
图像集执行所述第一处理，得到所述预处理面部图像集；第二模型，用于对所述预处理面部图像集执行所述第二处理，得到所述第二面部图像集。
[0037]在一种可能实施方式中，所述模型训练装置还包括：
[0038]第二模型训练单元，用于获取第三面部图像集；将所述第三面部图像集输入所述第二模型进行处理，以在所述第三面部图像集中各面部图像的所述目标区域生成所述面部特征纹理，得到第二输出面部图像集；利用所述第二输出面部图像集中的面部图像与预先配置的目标面部图像集中对应的面部图像之间的误差，调整所述第二模型的模型参数，以训练所述第二模型；
[0039]其中，所述第三面部图像集和所述目标面部图像集中的面部图像数量为第一数量，所述第一面部图像集和所述第二面部图像集中的面部图像数量为第二数量，并且，所述第二数量多于所述第一数量。
[0040]在一种可能实施方式中，所述第二模型训练单元对所述第二模型的训练，是在对所述第一面部图像集进行级联处理之前完成的；或者，所述第二模型训练单元对所述第二模型的训练，与对所述目标模型的训练同步；或者，所述第二模型训练单元对所述第二模型的训练，与对所述目标模型的训练分阶段交替完成。
[0041]在一种可能实施方式中，所述目标模型的网络规模小于所述第二模型的网络规模。
[0042]在一种可能实施方式中，所述模型训练装置还包括：
[0043]第一模型训练单元，用本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：获取第一面部图像集；对所述第一面部图像集进行级联处理，得到第二面部图像集；其中，所述级联处理包括先后执行的第一处理和第二处理，所述第一处理用于去除所述第一面部图像集中的面部图像在目标区域的已有面部特征纹理，所述第二处理用于在所述第一处理后得到的预处理面部图像集中的面部图像的所述目标区域生成所述面部特征纹理；将所述第一面部图像集输入待训练的目标模型进行处理，得到第一输出面部图像集；利用所述第一输出面部图像集中的面部图像与所述第二面部图像集中对应的面部图像之间的误差，调整所述待训练的目标模型的模型参数，以训练所述目标模型。2.根据权利要求1所述的模型训练方法，其特征在于，所述对所述第一面部图像集进行级联处理，得到第二面部图像集，包括：利用第一模型对所述第一面部图像集执行所述第一处理，得到所述预处理面部图像集；利用与所述第一模型级联的第二模型对所述预处理面部图像集执行所述第二处理，得到所述第二面部图像集。3.根据权利要求2所述的模型训练方法，其特征在于，所述模型训练方法还包括：获取第三面部图像集；将所述第三面部图像集输入所述第二模型进行处理，以在所述第三面部图像集中各面部图像的所述目标区域生成所述面部特征纹理，得到第二输出面部图像集；利用所述第二输出面部图像集中的面部图像与预先配置的目标面部图像集中对应的面部图像之间的误差，调整所述第二模型的模型参数，以训练所述第二模型；其中，所述第三面部图像集和所述目标面部图像集中的面部图像数量为第一数量，所述第一面部图像集和所述第二面部图像集中的面部图像数量为第二数量，并且，所述第二数量多于所述第一数量。4.根据权利要求3所述的方法，其特征在于，对所述第二模型的训练是在对所述第一面部图像集进行级联处理之前完成的；或者，对所述第二模型的训练，与对所述目标模型的训练同步；或者，对所述第二模型的训练，与对所述目标模型的训练分阶段交替完成。5.根据权利要求3所述的方法，其特征在于，所述目标模型的网络规模...
【专利技术属性】
技术研发人员：方慕园，
申请(专利权)人：北京达佳互联信息技术有限公司，
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。