一种图像处理方法、装置、电子设备及存储介质制造方法及图纸

本公开实施例公开了一种图像处理方法、装置、电子设备及存储介质，包括：获得待处理的原始图像；将原始图像输入第一图像处理模型；由第一图像处理模型处理原始图像以生成目标图像；第一图像处理模型和第二图像处理模型在线交替训练生成，第一图像处理模型训练过程中的监督信息包括第二图像处理模型在训练过程中生成的至少部分图像，第一图像处理模型的模型规模小于第二图像处理模型的模型规模；输出目标图像。通过以第二图像处理模型在训练过程生成的至少部分图像作为监督信息训练第一图像处理模型，能够在无需付出额外制作成本的情况下，扩增第一图像处理模型的训练数据量，可提升第一图像处理模型的泛化性与图像生成质量，达到降本增效的效果。达到降本增效的效果。达到降本增效的效果。

【技术实现步骤摘要】
一种图像处理方法、装置、电子设备及存储介质


[0001]本公开实施例涉及图像处理
，尤其涉及一种图像处理方法、装置、电子设备及存储介质。

技术介绍

[0002]现有技术中，一些图像生成器可以根据一种图像域的图像，生成另一种图像域的图像。例如可以根据低分辨率图像生成高分辨率图像等。其独特的图像生成能力具有广泛的应用场景。
[0003]上述图像生成器的训练需要大量高质量的成对数据，来引导网络学习不同图像域之间的映射关系。然而，成对图像制作成本极高，需要根据修图指令逐张修图得到，导致训练数据制作成本较高。

技术实现思路

[0004]本公开实施例提供了一种图像处理方法、装置、电子设备及存储介质，能够在无需付出额外制作成本的情况下，扩增训练数据量，可提升模型泛化性与图像生成质量，达到降本增效的效果。
[0005]第一方面，本公开实施例提供了一种图像处理方法，包括：
[0006]获得待处理的原始图像；
[0007]将所述原始图像输入第一图像处理模型；
[0008]由所述第一图像处理模型处理所述原本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获得待处理的原始图像；将所述原始图像输入第一图像处理模型；由所述第一图像处理模型处理所述原始图像以生成目标图像；其中，所述第一图像处理模型和第二图像处理模型在线交替训练生成，所述第一图像处理模型训练过程中的监督信息包括所述第二图像处理模型在训练过程中生成的至少部分图像，所述第一图像处理模型的模型规模小于所述第二图像处理模型的模型规模；输出所述目标图像。2.根据权利要求1所述的方法，其特征在于，所述第二图像处理模型在训练过程中基于真标签数据对进行训练，且根据无标签样本生成伪标签图像，所述伪标签图像基于下述步骤生成：在所述第二图像处理模型和判别器基于所述真标签数据对进行对抗训练的过程中，获取无标签样本作为所述第二图像处理模型的输入；通过所述第二图像处理模型，根据所述无标签样本生成候选伪标签图像；通过所述判别器对所述候选伪标签图像进行筛选，得到最终的伪标签图像。3.根据权利要求2所述的方法，其特征在于，所述在所述第二图像处理模型和判别器基于所述真标签数据对进行对抗训练的过程中，获取无标签样本作为所述第二图像处理模型的输入，包括：每获取预设数量的真标签数据对，对所述第二图像处理模型和判别器进行对抗训练后，获取无标签样本作为所述第二图像处理模型的输入。4.根据权利要求2所述的方法，其特征在于，所述通过所述判别器对所述候选伪标签图像进行筛选，包括：通过所述判别器对所述候选伪标签图像进行真实性评估，得到评估结果；根据预设评估标准以及所述评估结果，对所述候选伪标签图像进行筛选。5.根据权利要求2所述的方法，其特征在于，所述第二图像处理模型和判别器基于所述真标签数据对进行对抗训练，包括：获取所述真标签数据对中的有标签样本，作为所述第二图像处理模型的输入；通过所述第二图像处理模型，根据所述有标签样本生成第一图像；获取所述真标签数据对中，与所述有标签样本对应的真标签图像；通过所述判别器，判别所述第一图像与所述真标签图像是否为相同类型；以所述判别器判别为相同类型为目标，对所述第二图像处理模型进行训练；以所述判别器判别为不同类型为目标，对所述判别器进行训练。6.根据权利要求5所述的方法，其特征在于，在所述第二图像处理模型和判别器基于所述真标签数据对进行对抗训练的过程中，还包括：根据所述第一图像与所述真标签图像，确定重建损失；根据所述重建损失，对所述第二图像处理模型进行训练。7.根据权利要求2所述的方法，其特征在于，当所述第一图像处理模型以所述伪标签图像为监督信息时，所述第一图像处理模型基于下述步骤训练：获取所述伪标签图像对应的无标签样本，作为所述第一图像处理模型的输入；
...

【专利技术属性】
技术研发人员：任玉羲，吴捷，张朋，肖学锋，
申请(专利权)人：北京字跳网络技术有限公司，
类型：发明
国别省市：