图像的生成方法、装置、存储介质及电子装置制造方法及图纸

本申请公开了一种图像的生成方法、装置、存储介质及电子装置，涉及智能家居/智慧家庭技术领域，该图像的生成方法包括：获取训练样本图像集，以及与训练样本图像集中每个训练样本图像对应的已知样本标签；使用训练样本图像集中的至少部分训练样本图像，以及对应的已知样本标签对待训练的图像生成模型进行训练，得到目标图像生成模型；其中，目标图像生成模型满足目标条件，目标条件是目标图像生成模型输出的生成图像与输入的训练样本图像之间的损失值小于或等于预设阈值。解决了现有技术中能采集到的训练样本较少，从而导致训练的识别算法识别准确度不高的问题。法识别准确度不高的问题。法识别准确度不高的问题。

【技术实现步骤摘要】
图像的生成方法、装置、存储介质及电子装置


[0001]本申请涉及智能家居/智慧家庭
，具体而言，涉及一种图像的生成方法、装置、存储介质及电子装置。

技术介绍

[0002]随着家居的智能化，人们的生活越来越便捷。例如智能洗衣机在洗衣服时可以识别衣物上的水洗标签，通过水洗标检测识别算法识别图像中水仙标签的类别，洗衣机根据水洗标签的类别和洗涤要求选择洗衣模式，不再需要人为的设置洗衣机。但是由于在水洗标签中有一些类型比较少见，难以采集到大量的样本进行水洗标检测识别算法训练，只能采集到少量的对应的样本数据。通过少量的样本数据训练的识别算法在识别水洗标签时，识别的准确度并不高。
[0003]针对现有技术中能采集到的训练样本较少，从而导致训练的识别算法识别准确度不高的问题，目前尚未存在有效的解决方案。

技术实现思路

[0004]本专利技术实施例提供了一种图像的生成方法、装置、存储介质及电子装置，以至少解决相关技术中现有技术中能采集到的训练样本较少，从而导致训练的识别算法识别准确度不高的问题。
[0005]根据本专利技术的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像的生成方法，其特征在于，包括：获取训练样本图像集，以及与所述训练样本图像集中每个训练样本图像对应的已知样本标签；使用所述训练样本图像集中的至少部分训练样本图像，以及对应的已知样本标签对待训练的图像生成模型进行训练，得到目标图像生成模型；其中，所述目标图像生成模型满足目标条件，所述目标条件是所述目标图像生成模型输出的生成图像与输入的训练样本图像之间的损失值小于或等于预设阈值。2.根据权利要求1所述的方法，其特征在于，所述获取训练样本图像集，包括：获取原始图像集，以及与所述原始图像集中每个原始图像对应的标签，其中，所述原始图像集中包括多种类别的原始图像，同一类别的原始图像对应的标签相同；获取所述原始图像集中至少部分原始图像的类似图像，得到类似图像集，其中，所述原始图像与对应的类似图像之间相似度大于或等于预设相似度阈值；将所述原始图像集和所述类似图像集确定为所述训练样本图像集。3.根据权利要求1所述的方法，其特征在于，所述使用所述训练样本图像集中的至少部分图像训练样本图像，以及对应的已知样本标签对所述待训练的图像生成模型进行训练，得到目标图像生成模型，包括：使用所述训练样本图像集中的训练样本图像对所述待训练的图像生成模型进行多轮迭代训练，在训练过程中，若所述待训练的图像生成模型输出的生成图像与输入的所述训练样本图像之间的损失值小于或等于所述预设阈值，停止训练得到所述目标图像生成模型，若所述待训练的图像生成模型输出的生成图像与输入的所述训练样本图像之间的损失值大于所述预设阈值，调整所述待训练的图像生成模型的模型参数继续训练。4.根据权利要求3所述的方法，其特征在于，使用所述训练样本图像对所述待训练的图像生成模型进行第i轮训练，其中，i是大于或等于2的整数，包括：将第i轮训练使用的训练样本图像输入第i
‑
1轮训练得到的图像生成模型，得到所述第i轮确定的生成图像；在所述第i轮训练使用的训练样本图像与所述第i轮确定的生成图像之间的损失值小于或等于所述预设阈值的情况下，停止训练，并将所述第i
‑
1轮训...

【专利技术属性】
技术研发人员：黄媛媛，
申请(专利权)人：海尔智家股份有限公司，
类型：发明
国别省市：