图像处理模型的训练方法、图像处理方法及装置制造方法及图纸

本公开涉及模型训练技术领域，尤其涉及一种图像处理模型的训练方法、图像处理方法及装置。其中，该图像处理模型的训练方法，包括：获取第一样本图像；对所述第一样本图像进行初始美化处理，得到第二样本图像；获取所述第二样本图像对应的文本描述信息，其中，所述文本描述信息用于描述所述第二样本图像的图像信息；获取所述第一样本图像对应的第一图像美化处理信息，其中，所述第一图像美化处理信息用于描述针对所述第一样本图像所进行的初始美化处理；采用所述第二样本图像、所述文本描述信息和所述第一图像美化处理信息对初始图像处理模型进行训练，得到目标图像处理模型。采用本公开可以提高目标图像处理模型获取的准确性。性。性。

【技术实现步骤摘要】
图像处理模型的训练方法、图像处理方法及装置


[0001]本公开涉及模型训练
，尤其涉及一种图像处理模型的训练方法、图像处理方法及装置。

技术介绍

[0002]随着科学技术的发展，模型训练技术的日益成熟，针对图像的美化已经成为电子设备的基本功能，用户对于电子设备的人像美化功能要求越来越高。例如，电子设备可以针对每个美化功能设置滑动条。用户可以通过移动滑动条调整每个美化功能的强度，以便可以对图像进行调节。但是，滑动条每次移动的强度都是预先设置的，使得图像美化的智能性和便利性较差。

技术实现思路

[0003]本公开提供一种图像处理模型的训练方法、图像处理方法及装置，以至少解决相关技术中图像美化的智能性和便利性的问题。本公开的技术方案如下：
[0004]根据本公开实施例的第一方面，提供一种图像处理模型的训练方法，包括：
[0005]获取第一样本图像；
[0006]对所述第一样本图像进行初始美化处理，得到第二样本图像；
[0007]获取所述第二样本图像对应的文本描述信息，其中，所述文本描述信息用于描述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理模型的训练方法，其特征在于，所述方法包括：获取第一样本图像；对所述第一样本图像进行初始美化处理，得到第二样本图像；获取所述第二样本图像对应的文本描述信息，其中，所述文本描述信息用于描述所述第二样本图像的图像信息；获取所述第一样本图像对应的第一图像美化处理信息，其中，所述第一图像美化处理信息用于描述针对所述第一样本图像所进行的初始美化处理，所述第一图像美化处理信息包括第一语音美化处理信息和/或第一文本美化处理信息；采用所述第二样本图像、所述文本描述信息和所述第一图像美化处理信息对初始图像处理模型进行训练，得到目标图像处理模型。2.根据权利要求1所述的方法，其特征在于，所述采用所述第二样本图像、所述文本描述信息和所述第一图像美化处理信息对初始图像处理模型进行训练，得到目标图像处理模型，包括：采用向量获取模型，获取所述文本描述信息对应的第一文本隐向量；采用所述向量获取模型，获取所述第二样本图像对应的第一图像隐向量；采用所述向量获取模型，获取所述第一图像美化处理信息对应的第二文本隐向量；采用所述第一文本隐向量、所述第一图像隐向量和所述第二文本隐向量对所述初始图像处理模型进行训练，得到所述目标图像处理模型。3.根据权利要求2所述的方法，其特征在于，所述采用所述第一文本隐向量、所述第一图像隐向量和所述第二文本隐向量对所述初始图像处理模型进行训练，得到所述目标图像处理模型，包括：将所述第一文本隐向量、所述第一图像隐向量和所述第二文本隐向量输入至所述初始图像处理模型，获取所述初始图像处理模型输出的第三样本图像；采用所述向量获取模型，获取所述第三样本图像对应的第二图像隐向量；根据所述第一图像隐向量、所述第二图像隐向量、所述第一文本隐向量和所述第二文本隐向量，确定所述初始神经模型对应的损失函数；根据所述损失函数，对所述初始图像处理模型进行更新，得到所述目标图像处理模型。4.根据权利要求3所述的方法，其特征在于，所述根据所述第一图像隐向量、所述第二图像隐向量、所述第一文本隐向量和所述第二文本隐向量，确定所述初始神经模型对应的损失函数，包括：获取所述第一图像隐向量和所述第二图像隐向量之间的第一向量差值；获取所述第一文本隐向量和所述第二文本隐向量之间的第二向量差值；根据所述第一向量差值和所述第二向量差值，确定所述初始图像处理模型对应的损失函数。5.根据权利要求1所述的方法，其特征在于，所述对所述第一样本图像进行初始美化处理，得到第二样本图像，包括：获取针对所述第一样本图像所输入的美化指令，其中，所述美化指令包括针对至少一个美化功能所输入的选择指令；根据...

【专利技术属性】
技术研发人员：黄慧娟，
申请(专利权)人：北京达佳互联信息技术有限公司，
类型：发明
国别省市：