图像处理模型的训练方法、图像处理方法及相关装置制造方法及图纸

本申请公开了一种图像处理模型的训练方法、图像处理方法及相关装置，该方法包括：获取分别表征不同图像风格的特征分布；基于特征分布对样本图像进行风格变换，得到合成图像；其中，合成图像具有与样本图像相同的图像内容，且合成图像具有与样本图像不同的图像风格；基于合成图像训练图像处理模型，并重复执行基于特征分布对样本图像进行风格变换，得到合成图像的步骤，直至图像处理模型训练收敛为止。上述方案，能够在无需大量获取多图像风格的图像数据的情况下即可训练得到泛化性能较好的图像处理模型。像处理模型。像处理模型。

【技术实现步骤摘要】
图像处理模型的训练方法、图像处理方法及相关装置


[0001]本申请涉及计算机视觉
，特别是涉及一种图像处理模型的训练方法、图像处理方法及相关装置。

技术介绍

[0002]目前，在很多特定场景下需要对多图像风格(如，色域风格、画风风格等)的图像进行处理。例如，安防领域中的违禁品识别，需要对多色域的图像进行识别，但由于市面上存在不同厂商、不同型号、不同年份的安检仪，其映射色制、透射程度以及显影风格等因素不同，导致成像的色域风格差异极大。而单一色域训练产生的模型，在不同色域上的性能参差不齐，而在不同机型的安检仪上逐一适配代价较高。因此，如何以较少代价在各种图像风格上均保持较好地处理效果是目前行业内重要的研究课题。

技术实现思路

[0003]本申请提供一种图像处理模型的训练方法、图像处理方法及相关装置。
[0004]为解决上述技术问题，本申请采用的一个技术方案是：提供一种图像处理模型的训练方法，该方法包括：获取分别表征不同图像风格的特征分布；基于特征分布对样本图像进行风格变换，得到合成图像；其中，合成图像具有与样本图像相同本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理模型的训练方法，其特征在于，包括：获取分别表征不同图像风格的特征分布；基于所述特征分布对样本图像进行风格变换，得到合成图像；其中，所述合成图像具有与所述样本图像相同的图像内容，且所述合成图像具有与所述样本图像不同的图像风格；基于所述合成图像训练图像处理模型，并重复执行所述基于所述特征分布对所述样本图像进行风格变换，得到合成图像的步骤，直至所述图像处理模型训练收敛为止。2.根据权利要求1所述的方法，其特征在于，所述基于所述特征分布对所述样本图像进行风格变换，得到合成图像，包括：对所述样本图像进行内容提取，得到所述样本图像的内容图像；基于所述特征分布进行特征采样，得到风格特征；基于所述内容图像和所述风格特征进行合成，得到所述合成图像。3.根据权利要求1或2所述的方法，其特征在于，所述风格变换由风格变换模型实现，所述风格变换模型基于样本图像集训练得到，所述样本图像集内含有不同图像风格的多个样本图像，且所述特征分布基于所述样本图像集和训练收敛的所述风格变换模型获取得到。4.根据权利要求3所述的方法，其特征在于，所述风格变换模型的训练步骤包括：从所述样本图像集提取第一抽样图像和第二抽样图像；基于所述风格变换模型的编码网络分别对所述第一抽样图像、所述第二抽样图像进行分解，得到所述第一抽样图像的内容图像和风格特征，以及所述第二抽样图像的内容图像和风格特征；基于所述风格变换模型的解码网络对所述第一抽样图像的内容图像和风格特征进行合成，得到第一合成图像，并基于所述解码网络对所述第一抽样图像的内容图像和所述第二抽样图像的风格特征进行合成，得到第二合成图像；基于所述第一抽样图像、所述第二抽样图像、所述第一合成图像和所述第二合成图像进行一致性度量，得到模型损失，并基于所述模型损失，调整所述风格变换模型的网络参数。5.根据权利要求4所述的方法，其特征在于，所述基于所述第一抽样图像、所述第二抽样图像、所述第一合成图像和所述第二合成图像进行一致性度量，得到模型损失，包括：基于所述编码网络分别对所述第一合成图像、所述第二合成图像进行分解，得到所述第一合成图像的内容图像和风格特征，以及所述第二合成图像的内容图像和风格特征；基于所述第一抽样图像的内容图像和所述第一合成图像的内容图像之间的差异、所述第一抽样图像的风格特征和所述第一合成图像的风格特征之间的差异、所述第一抽样图像的内容图像和所述第二合成图像的内容图像之间的差异，以及所述第二抽样图像的风格特征和所述第二合成图像的风格特征之间的差异中至少一者，得到所述模型损失。6.根据权利要求3所述的方法，其特征在于，所述获取分别表征不同图像风格的特征分布，包括：基于训练收敛的所述风格变换模型的编码网络分别对所述样本图像集内各个样本图像进行分解，得到各所述样本图像的风...

【专利技术属性】
技术研发人员：万治河，刘浩，梁鼎，吴一超，
申请(专利权)人：北京市商汤科技开发有限公司，
类型：发明
国别省市：