【技术实现步骤摘要】
场景增强模型的训练方法及场景增强方法
[0001]本公开涉及计算机
,并且更具体地涉及人工智能领域,具体涉及计算机视觉、图像处理和深度学习技术。
技术介绍
[0002]相关技术中,当进行场景增强时,通常会采用基于传统的图像增强方法,如采用边界约束和上下文正则化算法,然而基于上述方法往往存在场景增强效果欠佳等技术问题。因此,如何通过训练得到收敛的场景增强模型,并基于场景增强模型高效、准确地进行场景增强,已成为重要的研究方向之一。
技术实现思路
[0003]本公开提供了一种场景增强模型的训练方法及场景增强方法。
[0004]根据本公开的一方面,提供了一种场景增强模型的训练方法,包括:对样本图像进行场景增强处理,以获取所述样本图像对应的第一场景增强图像;基于所述样本图像的场景增强参数与所述样本图像,对初始的场景增强模型进行训练,得到第一场景增强模型;将所述样本图像输入至所述第一场景增强模型中,得到所述样本图像对应的第二场景增强图像;根据所述第一场景增强图像和所述第二场景增强图像,调整所述第一场景增强模型的模型参数,并使用下一样本图像和所述下一样本图像的场景增强参数对调整后的所述第一场景增强模型进行继续训练,直至训练结束得到第二场景增强模型。
[0005]根据本公开的另一方面,提供了一种场景增强方法,包括:获取待处理图像;将所述待处理图像输入至第二场景增强模型中,以输出所述待处理图像对应的场景增强图像,其中,所述第二场景增强模型为采用如第一方面所述的方法训练出的场景增强模型。
[ ...
【技术保护点】
【技术特征摘要】
1.一种场景增强模型的训练方法,包括:对样本图像进行场景增强处理,以获取所述样本图像对应的第一场景增强图像;基于所述样本图像的场景增强参数与所述样本图像,对初始的场景增强模型进行训练,得到第一场景增强模型;将所述样本图像输入至所述第一场景增强模型中,得到所述样本图像对应的第二场景增强图像;根据所述第一场景增强图像和所述第二场景增强图像,调整所述第一场景增强模型的模型参数,并使用下一样本图像和所述下一样本图像的场景增强参数对调整后的所述第一场景增强模型进行继续训练,直至训练结束得到第二场景增强模型。2.根据权利要求1所述的训练方法,其中,所述对样本图像进行场景增强处理之前,还包括:获取样本视频,并对所述样本视频进行场景识别,以获取所述样本视频对应的至少一个场景;按照识别出的所述至少一个场景,对所述样本视频中的帧图像进行场景划分,获取每个场景的帧图像集合,作为所述场景的样本图像。3.根据权利要求2所述的训练方法,其中,所述按照识别出的所述至少一个场景,对所述样本视频中的帧图像进行场景划分,获取每个场景的帧图像集合,包括:针对每个场景,获取每个帧图像上的场景识别框的标识信息;基于所述场景识别框的标识信息,对所述样本视频中的帧图像进行场景划分,得到所述场景的帧图像集合。4.根据权利要求1所述的训练方法,其中,所述方法还包括:获取每个场景的场景增强参数;根据所述场景增强参数,对每个场景下的所有所述样本图像进行场景增强处理,以获取每个所述样本图像的第一场景增强图像。5.根据权利要求4所述的训练方法,其中,所述方法还包括:识别每个场景的类型;根据所述场景的类型,确定所述场景的场景增强参数。6.根据权利要求4所述的训练方法,其中,所述方法还包括:获取样本视频中前M帧图像的图像参数和所述M帧图像各自对应的场景,所述M为正整数;获取属于同一场景的所述图像参数;根据属于同一场景的所述图像参数,确定所述同一场景的场景增强参数。7.根据权利要求1
‑
6中任一项所述的训练方法,其中,所述根据所述第一场景增强图像和所述第二场景增强图像,调整所述第一场景增强模型的模型参数,包括:获取所述第一场景增强图像和所述第二场景增强图像之间的场景相似度;根据所述场景相似度获取损失函数;根据所述损失函数,调整所述第一场景增强模型的模型参数。8.根据权利要求7所述的训练方法,其中,所述根据所述场景相似度获取损失函数,包括:
将所述场景相似度与预设的场景相似度阈值进行比较;在所述场景相似度小于所述场景相似度阈值的情况下,根据所述场景相似度获取所述损失函数。9.一种场景增强方法,包括:获取待处理图像;将所述待处理图像输入至第二场景增强模型中,以输出所述待处理图像对应的场景增强图像,其中,所述第二场景增强模型为采用如权利要求1
‑
9中任一项所述的方法训练出的场景增强模型。10.一种场景增强模型的训练装置,包括:处理模块,用于对样本图像进行场景增强处理,以获取所述样本图像对应的第一场景增强图像;训练模块,用于基于所述样本图像的场景增强参数与所述样本图像,对初始的场景增强模型进行训练,得到第一场景增强模型;输入模块...
【专利技术属性】
技术研发人员:张琦,李旭莉,李雪,
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。