图像生成模型的构建方法、装置、电子设备及存储介质制造方法及图纸

本公开实施例提供了图像生成模型的构建方法、装置、电子设备以及存储介质，其中，图像生成模型的构建方法包括：获取第一图像样本对；第一图像样本对包括属于不同类别的两个图像样本；将第一图像样本对输入待训练的第一图像生成模型进行训练，得到训练后的第一图像生成模型；待训练的第一图像生成模型包括依次连接的编码层、特征映射层、特征融合层以及解码层；根据训练后的第一图像生成模型，构建目标图像生成模型；目标图像生成模型包括训练后的第一图像生成模型中的特征融合层和解码层，以此，在翻拍图像识别场景下提高了训练样本的生成效率。成效率。成效率。

【技术实现步骤摘要】
图像生成模型的构建方法、装置、电子设备及存储介质


[0001]本申请涉及深度学习
，尤其涉及一种图像生成模型的构建方法、装置、电子设备及存储介质。

技术介绍

[0002]翻拍指的是把照片、底片、绘图、文件图表等原件制成复制品。通过对原件进行翻拍处理所得到的翻拍图像，不仅可以保留原件的面貌，还可以校正原件的部分缺点。然而，针对证件图像，考虑到证件图像常涉及到身份验证，对安全性要求极高，在要求提交证件图像的场景中，通常不允许用户提交证件图像的翻拍图像。因此，若难以准确识别证件图像和对应的翻拍图像，身份验证很可能存在巨大的安全风险。
[0003]在翻拍图像识别场景下，为了提高翻拍图像的识别准确率，往往需要海量的翻拍图像参与训练样本的构建。然而，翻拍图像的生成流程较为繁琐，使得训练样本的生成效率低下。

技术实现思路

[0004]本申请实施例提供了一种图像生成模型的构建方法、装置、电子设备及存储介质，以在翻拍图像识别场景下提高训练样本的生成效率。
[0005]第一方面，本申请实施例提供了一种图像生成模型的构建方法，包本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像生成模型的构建方法，其特征在于，包括：获取第一图像样本对；所述第一图像样本对包括属于不同类别的两个图像样本；将所述第一图像样本对输入待训练的第一图像生成模型进行训练，得到训练后的第一图像生成模型；所述待训练的第一图像生成模型包括依次连接的编码层、特征映射层、特征融合层以及解码层；其中，所述编码层用于对两个所述图像样本分别进行特征提取，得到第一编码特征和第二编码特征；所述特征映射层用于对所述第一编码特征按照第一随机分布参数进行映射处理，得到对应的第一映射特征；对所述第二编码特征按照多种第二随机分布参数分别进行映射处理，得到每种所述第二随机分布参数对应的一个第二映射特征；所述特征融合层用于根据所述第一映射特征和每个所述第二映射特征生成融合特征；所述解码层用于根据所述融合特征进行解码处理，得到生成图像对；所述生成图像对包括属于不同类别的两个生成图像；根据所述训练后的第一图像生成模型，构建目标图像生成模型；所述目标图像生成模型包括所述训练后的第一图像生成模型中的特征融合层和解码层。2.根据权利要求1所述的方法，其特征在于，所述第一图像样本对包括原件图像样本、所述原件图像样本对应的非原件图像样本以及所述非原件图像样本的类别标签；所述原件图像样本对应于所述第一编码特征；所述非原件图像样本对应于所述第二编码特征；所述将所述第一图像样本对输入待训练的第一图像生成模型进行训练，包括：在第i次训练中，基于所述原件图像样本、所述非原件图像样本、所述第一映射特征、每个所述第二映射特征、所述生成图像对以及所述非原件图像样本的类别标签，生成所述第i次训练的损失函数值；所述损失函数值用于驱动所述第i次训练的第一图像生成模型进行参数更新。3.根据权利要求2所述的方法，其特征在于，基于所述原件图像样本、所述非原件图像样本、所述第一映射特征、每个所述第二映射特征、所述生成图像对以及所述非原件图像样本的类别标签，生成损失函数值的具体实现方式有：根据所述非原件图像样本的类别标签和每个所述第二映射特征，确定第一损失子函数的第一函数值；根据每个所述第二映射特征，确定第二损失子函数的第二函数值；根据所述第一映射特征和每个所述第二映射特征，确定第三损失子函数的第三函数值；根据所述生成图像对、所述原件图像样本以及所述非原件图像样本，确定第四损失子函数的第四函数值；对所述生成图像对进行身份识别处理，得到对应的身份识别结果，根据所述身份识别结果，确定第五损失子函数的第五函数值；根据所述第一函数值、第二函数值、第三函数值、第四函数值以及第五函数值中的至少一者，生成所述损失函数值。4.根据权利要求3所述的方法，其特征在于，所述待训练的第一图像生成模型还包括全连接层；所述全连接层的输入为所述特征映射层的输出；每个所述第二映射特征包括第一目标特征和第二目标特征；所述根据所述非原件图像样本的类别标签和每个所述第二映射
特征，确定第一损失子函数的第一函数值的具体实现方式有：通过所述全连接层，对所述第一目标特征进行转换处理，得到对应的第三目标特征；根据所述第三目标特征、所述非原件图像样本的类别标签以及交叉熵函数，计算得到所述第一函数值。5.根据权利要求4所述的方法，其特征在于，所述原件图像样本包括n个第一像素单元；所述非原件图像样本包括n个第二像素单元；所述第一映射特征包括n个第一子特征；每个所述第一子特征对应于一个所述第一像素单元；所述第二目标特征包括n个第二子特征；每个所述第二子特征对应于一个所述第二像素单元；所述根据所述第一映射特征和每个所述第二映射特征，确定第三损失子函数的第三函数值的具体实现方式有：在所述原件图像样本中，计算n个所述第一子特征的平均值，得到第一平均值；在所述非原件图像样本中，计算n个所述第二子特征的平均值，得到第二平均值；根据所述第一平均值和所述第二平均值，确定所述第三函数值。6.根据权利要求1所述的方法，其特征在于，所述解码层包括切分子层和解码子层；通过所述解码层根据所述融合特征进行解码处理，得到所述生成图像对的具体实现方式有：通过所述切分子层对所述融合特征进行切分处理，得到第一切分特征和第二切分特征；通过所述解码子层对所述第一切分特征进行解码处理，得到第一生成图像；通过所述解码子层对所述第二切分特征进行解码处理，得到第二生成图像；将所述第一生成图像和所述第二生成图像确定为所述生成图像对。7.根据权利要求1
‑
6任一项所述的方法，其特征在于，所述两个图像...

【专利技术属性】
技术研发人员：杨杰之，蒋宁，夏粉，马康哲，
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：