【技术实现步骤摘要】
网络训练方法和图像处理方法、装置、设备以及存储介质
[0001]本公开涉及图像处理
，尤其涉及深度学习、人工智能、计算机视觉等领域。
技术介绍
[0002]图像处理过程中，有对图像中某些信息进行抹除的需求，例如，需要抹除图像的车辆、人等物体。
技术实现思路
[0003]本公开提供了一种图像处理方法、装置、设备以及存储介质。
[0004]根据本公开的第一方面，提供了一种生成对抗网络训练方法，所述生成对抗网络包括生成模型和判别模型，包括：
[0005]获取多个样本图像，以及各个样本图像对应的蒙版图像；
[0006]获取多个真实图像，所述真实图像为不包含目标对象的图像；
[0007]针对每一样本图像，将所述样本图像和所述样本图像对应的蒙版图像输入所述生成对抗网络的生成模型，通过所述生成模型输出生成图像；
[0008]将所述生成图像和所述真实图像输入所述判别模型，通过所述判别模型得到针对所述生成图像和所述真实图像的输出；
[0009]基于所述输出调整模型参数，得到...
【技术保护点】
【技术特征摘要】
1.一种生成对抗网络训练方法，所述生成对抗网络包括生成模型和判别模型，包括：获取多个样本图像，以及各个样本图像对应的蒙版图像；获取多个真实图像，所述真实图像为不包含目标对象的图像；针对每一样本图像，将所述样本图像和所述样本图像对应的蒙版图像输入所述生成对抗网络的生成模型，通过所述生成模型输出生成图像；将所述生成图像和所述真实图像输入所述判别模型，通过所述判别模型得到针对所述生成图像和所述真实图像的输出；基于所述输出调整模型参数，得到训练后的生成对抗网络，所述生成对抗网络包括训练后的生成模型。2.根据权利要求1所述的方法，其中，所述基于所述输出调整模型参数，得到训练后的生成对抗网络，包括：通过预设损失函数，计算所述输出对应的损失值；基于所述损失值调整模型参数；返回执行将所述样本图像和所述样本图像对应的蒙版图像输入生成模型，通过所述生成模型输出生成图像；将所述生成图像和所述真实图像输入判别模型，通过所述判别模型得到针对所述生成图像和所述真实图像的输出，直至满足预设迭代结束条件，得到训练后的生成模型。3.根据权利要求2所述的方法，其中，所述预设损失函数为：L
total
＝L
adv
+L
DPL
+R1L
adv
＝L
D
+L
G
，，x表示真实图像，表示生成图像，D(x)表示判别模型对真实图像的输出，表示判别模型对生成图像的输出；L
DPL
表示真实图像和生成图像的特征之间的感知损失，C表示特征图的通道数，H表示特征图的长，W表示特征图的宽，φ(x)表示真实图像的特征图，表示生成图像的特征图；表示生成图像的特征图；表示梯度惩罚。4.根据权利要求1至3任一项所述的方法，其中，所述通过所述生成模型输出生成图像，包括：提取所述样本图像和所述样本图像对应的蒙版图像的图像特征；根据所述图像特征，通过所述生成模型的模型参数，生成所述生成图像并输出所述生成图像。5.一种图像处理方法，包括：获取待处理图像；
对所述待处理图像进行图像识别，得到所述待处理图像中的目标对象；确定针对所述目标对象的蒙版图像；将所述待处理图像和所述蒙版图像输入生成模型，通过所述生成模型输出抹除后图像，所述抹除后图像表示从所述待处理图像中抹除所述目标对象后的图像，其中，所述生成模型是生成对抗网络中的生成模型，所述生成对抗网络通过上述权利要求1至4任一项所述的生成对抗网络训练方法训练得到。6.根据权利要求5所述的方法，在所述获取待处理图像之后，所述方法还包括：将所述待处理图像渲染至全景球模型，得到全景球模型下的图像；从所述全景球模型下的图像中提取包含所述目标对象的图像；所述对所述待处理图像进行图像识别，得到所述待处理图像中的目标对象，包括：对所述包含所述目标对象的图像进行图像识别，得到所述待处理图像中的目标对象。7.一种生成对抗网络训练装置，所述生成对抗网络包括生成模型和判别模型，所述装置包括：获取模块，用于获取多个样本图像，以及各个样本图像对应的蒙版图像；获取...
【专利技术属性】
技术研发人员：张顺意，白国财，王超锋，骆遥，种道晨，
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：
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。