本申请实施例提供一种神经网络训练方法、图像处理方法及装置，该神经网络训练方法中，首先确定需要处理的训练图像和处理后的目标图像，然后确定训练图像对应的第一灰度图像，再通过待训练的神经网络对训练图像和第一灰度图像进行处理，确定训练图像对应的预测图像，再通过预测图像和目标图像，确定待训练的神经网络进行图像处理的损失，然后通过损失，调整待训练的神经网络的参数，直至满足预设条件，满足预设条件的神经网络为训练后的神经网络。通过本申请实施例提供的神经网络进行图像处理，能够使处理后的图像更符合审美自然的要求，减少现有的图像处理技术存在的失真的问题，使处理后的图像具有较为自然的显示效果，符合自然美学。符合自然美学。符合自然美学。
【技术实现步骤摘要】
一种神经网络训练方法、图像处理方法及装置
[0001]本申请涉及图像处理领域，具体涉及一种神经网络训练方法、图像处理方法及装置。
技术介绍
[0002]随着移动终端（例如智能手机和智能相机）的普及，通过移动终端进行人像拍摄的场景越来越多。另外，在拍摄人像之后，很多用户希望能够对拍摄得到的图像进行处理，以达到美颜的效果。
[0003]目前在对图像进行处理时，针对不同的图像，通常采用固定的处理方式。例如，当需要减少图像中人像皮肤的瑕疵时，可对各幅图像均采用整体柔光混合的方式，对图像中包括的人像皮肤进行磨皮处理；另外，当希望美化图像中人物的眼睛时，通常根据用户选择的调整比例，对各幅图像中包括的眼睛进行放大处理。
[0004]但是，由于目前通过固定的处理方式对不同图像进行处理，处理后的图像往往显示效果较差，有时存在失真和不自然的问题。
技术实现思路
[0005]为了解决现有技术中处理后图像存在失真和不自然的问题，本申请实施例提供一种神经网络训练方法、图像处理方法及装置。
[0006]第一方面，本申请实施例提供一种神经网络训练方法包括：确定需要处理的训练图像和处理后的目标图像，所述训练图像和所述目标图像中包含同一人像；确定所述训练图像对应的第一灰度图像，所述第一灰度图像为提取所述训练图像的明亮度分量后的图像；通过待训练的神经网络对所述训练图像和所述第一灰度图像进行处理，确定所述训练图像对应的预测图像；通过所述预测图像和所述目标图像，确定所述待训练的神经网络进行图像处理的损失；通过所述损失，调整所述待训练的神经网络的参数，直至满足预设条件，满足所述预设条件的神经网络为训练后的神经网络，所述训练后的神经网络用于进行图像处理。
[0007]通过本申请实施例提供的神经网络进行图像处理，利用了端到端的神经网络，从而能够使处理后的图像更符合审美自然的要求，减少现有的图像处理技术存在的失真的问题，使处理后的图像中包括的皮肤均匀有质感且不失纹理细节，具有较为自然的显示效果，符合自然美学。
[0008]一种可选的设计中，所述通过待训练的神经网络对所述训练图像和所述第一灰度图像进行处理，确定所述训练图像对应的预测图像，包括：通过对所述训练图像进行语义分割，获取所述训练图像的第一分割部分和第二分
割部分，所述第一分割部分包括所述人像的皮肤部分，所述第二分割部分包括所述人像的任意一个五官部分；通过对所述第一灰度图像进行语义分割，获取所述第一灰度图像的第三分割部分和第四分割部分，所述第三分割部分包括所述人像的皮肤部分，所述第四分割部分包括所述人像的任意一个五官部分，并且所述第二分割部分和所述第四分割部分包括的五官部分相同；将所述第一分割部分、第二分割部分、第三分割部分和第四分割部分输入至待训练的神经网络；确定所述神经网络的输出为所述预测图像。
[0009]该方案中，对训练图像和第一灰度图像进行了分割，分割的结果包括人像的皮肤部分和五官部分，有利于在对神经网络的训练过程中，使神经网络更好学习对面部肤质修饰的处理，以便神经网络对图像进行处理时，使处理后的图像中的皮肤具有质感且不失皮肤细节，并且有利于神经网络在对图像进行处理时，增强面部立体感。
[0010]一种可选的设计中，所述损失包括中性灰图层损失；所述通过所述预测图像和所述目标图像，确定所述待训练的神经网络进行图像处理的损失，包括：获取所述预测图像对应的第一中性灰图层，以及获取所述目标图像对应的第二中性灰图层；基于所述第一中性灰图层和所述第二中性灰图层，计算所述中性灰图层损失。
[0011]一种可选的设计中，所述损失包括颜色损失；所述通过所述预测图像和所述目标图像，确定所述待训练的神经网络进行图像处理的损失，包括：获取所述预测图像对应的第一颜色图像，以及所述目标图像对应的第二颜色图像，所述第一颜色图像为提取所述预测图像中的明亮度分量后得到的图像，所述第二颜色图像为提取所述目标图像中的明亮度分量后得到的图像；通过分别对所述第一颜色图像和所述第二颜色图像进行下采样，获取所述第一颜色图像对应的第一下采样图像，以及所述第二颜色图像对应的第二下采样图像；基于所述第一下采样图像和所述第二下采样图像，计算所述颜色损失。
[0012]一种可选的设计中，所述损失包括一致性损失；所述通过所述预测图像和所述目标图像，确定所述待训练的神经网络进行图像处理的损失，包括：通过分别对所述预测图像和所述目标图像进行裁剪，获取所述预测图像的第一区域，以及获取所述目标图像的第二区域，所述第一区域和所述第二区域对应的语义相同；基于所述第一区域和所述第二区域，计算所述一致性损失。
[0013]一种可选的设计中，所述损失包括感知损失；所述通过所述预测图像和所述目标图像，确定所述待训练的神经网络进行图像处理的损失，包括：将所述预测图像和所述目标图像输入至感知损失计算网络；基于所述感知损失计算网络的输出，确定所述感知损失。
[0014]一种可选的设计中，所述损失包括对抗损失；所述通过所述预测图像和所述目标图像，确定所述待训练的神经网络进行图像处理的损失，包括：将所述预测图像和所述目标图像输入至判别器；基于所述判别器的输出，确定所述对抗损失。
[0015]一种可选的设计中，所述通过所述预测图像和所述目标图像，确定所述待训练的神经网络进行图像处理的损失，包括：所述待训练的神经网络进行图像处理的损失包括两种以上时，确定各种所述损失分别对应的权重；对各种所述损失和所述损失分别对应的权重进行加权计算，加权计算的结果为所述待训练的神经网络进行图像处理的损失。
[0016]一种可选的设计中，所述预设条件包括：调整所述待训练的神经网络的参数的次数达到第一次数阈值；或者，所述预设条件包括：所述损失小于第一损失阈值。
[0017]本申请第二方面，本申请实施例公开图像处理方法，包括：获取待处理图像；利用训练后的神经网络对所述待处理图像进行图像处理，获取处理后的图像，所述神经网络通过本申请第一方面所述的神经网络训练方法进行训练。
[0018]本申请第三方面，本申请实施例公开神经网络训练装置，包括：第一图像确定模块，用于确定需要处理的训练图像和处理后的目标图像，所述训练图像和所述目标图像中包含同一人像；第二图像确定模块，用于确定所述训练图像对应的第一灰度图像，所述第一灰度图像为提取所述训练图像的明亮度分量后的图像；图像处理模块，用于通过待训练的神经网络对所述训练图像和所述第一灰度图像进行处理，确定所述训练图像对应的预测图像；损失确定模块，用于通过所述预测图像和所述目标图像，确定所述待训练的神经网络进行图像处理的损失；参数调整模块，用于通过所述损失，调整所述待训练的神经网络的参数，直至满足预设条件，满足所述预设条件的神经网络为训练后的神经网络，所述训练后的神经网络用于进行图像处理。
[0019]本申请第四方面，本申请实施例公开一种图像处理装置，包括：图像获取模块，用于获取待处理图像；图像处理模块，用于利用训练后的神经网络对所述待处理图像进行图像处理，获取处理本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种神经网络训练方法，其特征在于，包括：确定需要处理的训练图像和处理后的目标图像，所述训练图像和所述目标图像中包含同一人像；确定所述训练图像对应的第一灰度图像，所述第一灰度图像为提取所述训练图像的明亮度分量后的图像；通过待训练的神经网络对所述训练图像和所述第一灰度图像进行处理，确定所述训练图像对应的预测图像；通过所述预测图像和所述目标图像，确定所述待训练的神经网络进行图像处理的损失；通过所述损失，调整所述待训练的神经网络的参数，直至满足预设条件，满足所述预设条件的神经网络为训练后的神经网络，所述训练后的神经网络用于进行图像处理。2.根据权利要求1所述的方法，其特征在于，所述通过待训练的神经网络对所述训练图像和所述第一灰度图像进行处理，确定所述训练图像对应的预测图像，包括：通过对所述训练图像进行语义分割，获取所述训练图像的第一分割部分和第二分割部分，所述第一分割部分包括所述人像的皮肤部分，所述第二分割部分包括所述人像的任意一个五官部分；通过对所述第一灰度图像进行语义分割，获取所述第一灰度图像的第三分割部分和第四分割部分，所述第三分割部分包括所述人像的皮肤部分，所述第四分割部分包括所述人像的任意一个五官部分，并且所述第二分割部分和所述第四分割部分包括的五官部分相同；将所述第一分割部分、第二分割部分、第三分割部分和第四分割部分输入至待训练的神经网络；确定所述神经网络的输出为所述预测图像。3.根据权利要求1或2所述的方法，其特征在于，所述损失包括中性灰图层损失；所述通过所述预测图像和所述目标图像，确定所述待训练的神经网络进行图像处理的损失，包括：获取所述预测图像对应的第一中性灰图层，以及获取所述目标图像对应的第二中性灰图层；基于所述第一中性灰图层和所述第二中性灰图层，计算所述中性灰图层损失。4.根据权利要求1或2所述的方法，其特征在于，所述损失包括颜色损失；所述通过所述预测图像和所述目标图像，确定所述待训练的神经网络进行图像处理的损失，包括：获取所述预测图像对应的第一颜色图像，以及所述目标图像对应的第二颜色图像，所述第一颜色图像为提取所述预测图像中的明亮度分量后得到的图像，所述第二颜色图像为提取所述目标图像中的明亮度分量后得到的图像；通过分别对所述第一颜色图像和所述第二颜色图像进行下采样，获取所述第一颜色图像对应的第一下采样图像，以及所述第二颜色图像对应的第二下采样图像；
基于所述第一下采样图像和所述第二下采样图像，计算所述颜色损失。5.根据权利要求1或2所述的方法，其特征在于，所述损失包括一致性损失；所述通过所述预测图像和所述目标图像，确定所述待训练的神经网络进行图像处理的损失，包括：通过分别对所述预测图像和所述目标图像进行裁剪，获取所述预测图像的第一区域，以及获取所述目标图像的第二区域，所述第一区域和所述第二区域对应的语义相同；基于所述第一区域和所述第二区域，计算所述一致性损失。6.根据权利要求1或2所述的方法，其特征在于，所述损失包括感知损失；所述通过所述预测图像和所述目标图像，确定所述待训练的神经网...
【专利技术属性】
技术研发人员：邢一博，姚祎，
申请(专利权)人：荣耀终端有限公司，
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。