【技术实现步骤摘要】
训练方法及图像检测方法、装置、电子设备、存储介质
[0001]本公开涉及计算机视觉
，特别涉及一种生成式对抗网络的训练方法、图像检测方法、训练装置、图像检测装置、电子设备、计算机可读存储介质。
技术介绍
[0002]近年来，随着图像处理和图像编辑技术的发展，虚假的证件、合同、营业执照等图像泛滥，对社会生活和生产活动造成不利影响。其中，虚假的证件、合同、营业执照等图像通常通过PS(Photoshop)软件制作。
[0003]因此，如何实现对虚假图像进行检测和识别，是目前亟需解决的一种技术问题。
技术实现思路
[0004]本公开提供一种生成式对抗网络的训练方法、图像检测方法、训练装置、图像检测装置、电子设备、计算机可读存储介质，可用于实现对虚假图像进行检测和识别。
[0005]第一方面，公开提供了一种生成式对抗网络的训练方法，该生成式对抗网络包括图像生成模型和图像判别模型，该生成式对抗网络的训练方法包括：
[0006]获取真实图像样本对应的第一虚假图像样本和对应的随机噪声图像；
【技术保护点】
【技术特征摘要】
1.一种生成式对抗网络的训练方法，其特征在于，所述生成式对抗网络包括图像生成模型和图像判别模型，所述训练方法包括：获取真实图像样本对应的第一虚假图像样本和对应的随机噪声图像；将所述第一虚假图像样本和所述随机噪声图像输入所述图像生成模型进行第一图像生成，得到第二虚假图像样本；根据所述第二虚假图像样本与所述第一虚假图像样本之间的第一损失误差，对所述图像生成模型进行模型训练，得到目标图像生成模型；将所述真实图像样本输入所述目标图像生成模型进行第二图像生成，得到第三虚假图像样本；将所述真实图像样本和所述第三虚假图像样本分别作为训练图像样本，并依次输入所述图像判别模型进行图像判别，得到训练图像样本对应的真假判别结果；根据所述训练图像样本对应的真假判别结果和所述训练图像样本对应的样本标签之间的第二损失误差，对所述图像判别模型进行模型训练，得到目标图像判别模型；其中，当所述训练图像样本为真实图像样本时，所述训练图像样本对应的样本标签为真实图像样本标签，当所述训练图像样本为第三虚假图像样本时，所述训练图像样本对应的样本标签为虚假图像样本标签；在对所述图像判别模型进行模型训练的过程中，根据作为所述训练图像样本的所述第三虚假图像样本所对应的真假判别结果和所述第三虚假图像样本对应的样本标签之间的第三损失误差，更新所述目标图像生成模型的模型参数。2.根据权利要求1所述的训练方法，其特征在于，获取真实图像样本对应的第一虚假图像样本的步骤，包括：对所述真实图像样本进行目标内容区域检测；根据目标内容区域的位置坐标生成相应的掩膜；对所述掩膜内的目标内容进行擦除，并在擦除区域生成虚假内容，得到所述真实图像样本对应的第一虚假图像样本。3.根据权利要求1所述的训练方法，其特征在于，所述第一图像生成的方式包括：对所述第一虚假图像样本和所述随机噪声图像分别进行特征提取，得到所述第一虚假图像样本对应的第一特征图和所述随机噪声图像对应的第二特征图；将所述第一特征图和所述第二特征图进行特征融合，得到融合特征图；对所述融合特征图进行下采样，得到下采样特征图；对所述下采样特征图进行上采样，得到上采样特征图；根据所述上采样特征图生成所述第二虚假图像样本。4.根据权利要求1所述的训练方法，其特征在于，对训练图像样本进行图像判别，得到训练图像样本对应的真假判别结果的步骤，包括：将所述训练图像样本对应的第三特征图进行分块处理，得到多个第一特征块；分别对所述多个第一特征块进行随机剪裁，得到多个第二特征块；将所述多个第二特征块进行拼接组合，得到第四特征图；根据所述第四特征图和预设的注意力分数矩阵，获得所述训练图像样本对应的真假判别分数；
根据所述训练图像样本对应的真假判别分数，得到所述训练图像样本的真假判别结果。5.根据权利要求4所述的训练方法，其特征在于，所述根据所述第四特征图和预设的注意力分数矩阵，获得所述训练图像样本对应的真假判别分数的步骤，包括：获取所述第四特征图和预设的注意力分数矩阵的卷积处理结果；利用所述图像判别模型的输出层的权重参数对所述卷积处理结果进行卷积处理操作...
【专利技术属性】
技术研发人员：杨杰之，蒋宁，周迅溢，曾定衡，
申请(专利权)人：马上消费金融股份有限公司，
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。