【技术实现步骤摘要】
本说明书涉及计算机视觉领域，尤其涉及一种图像生成模型训练方法、业务执行方法、装置及介质。
技术介绍
1、随着计算机视觉领域的迅速发展，基于深度学习技术的模型越来越多的被使用在多个领域的业务中，如，在图像识别领域中根据使用者的需求判断图像内容、在医学领域中根据获取到的患者病灶信息生成患者部分的图像、在计算机游戏领域中根据玩家的探索进度生成游戏图像。
2、然而，现有的模型训练技术，在上述模型的训练过程中需要足够的图像数据作为训练数据才能训练出符合业务要求的模型，在图像数据不足的情况下，现有技术难以训练出符合业务要求的模型，如，艺术图像生成模型生成的艺术图像需要的表现力和真实感越强，在训练过程中所需要的图像数据越多，而数量不足的图像数据则会出现训练出的艺术图像生成模型生成的艺术图像的表现力和真实感难以符合要求的问题。
3、因此，如何通过数量不足的图像数据训练出符合业务要求的模型，是一个亟待解决的问题。
技术实现思路
1、本说明书提供一种图像生成模型训练方法、业务执行方法、装置及介质，以部分的解决现有技术存在的上述问题。
2、本说明书采用下述技术方案：
3、本说明书提供了一种图像生成模型训练方法，包括：
4、获取原始图像；
5、将所述原始图像进行加噪处理，得到加噪后图像；
6、将所述加噪后图像输入到第一图像生成模型，以通过所述第一图像生成模型对所述加噪后图像进行去噪，得到还原图像，并确定出所述还原图像中提取
7、以最小化所述原始图像对应的图像前景特征与所述还原图像中提取出的图像前景特征之间的偏差为优化目标，对所述第一图像生成模型进行训练。
8、可选地，将所述原始图像进行加噪处理，得到加噪后图像，具体包括：
9、将所述原始图像以及噪声信号的数量值输入到预先构建出的第二图像生成模型，以通过所述第二图像生成模型输出所述原始图像经过所述数量值对应次数的加噪处理后得到的加噪后图像。
10、可选地，构建第二图像生成模型，具体包括：
11、获取样本图像；
12、通过第n个噪声信号，对经过第n-1个噪声信号进行加噪后得到的加噪后图像进行加噪，得到经过第n个噪声信号进行加噪后得到的加噪后图像，n为不小于1的正整数，经过第0个噪声信号进行加噪后得到的加噪后图像为所述样本图像；
13、根据经过第n个噪声信号进行加噪后得到的加噪后图像，经过第n-m个噪声信号进行加噪后得到的加噪后图像、第n个噪声信号以及第n-m+1个噪声信号，确定从经过第n-m个噪声信号进行加噪后得到的加噪后图像到经过第n个噪声信号进行加噪后得到的加噪后图像的转移关系，m为小于n的正整数；
14、根据所述转移关系，构建所述第二图像生成模型。
15、可选地，将所述加噪后图像输入到第一图像生成模型，以通过所述第一图像生成模型对所述加噪后图像进行去噪，得到还原图像，具体包括：
16、将所述加噪后图像以及所述加噪后图像被加噪的次数值输入到所述第一图像生成模型中，以通过所述第一图像生成模型根据所述次数值，预测出所述原始图像经过所述次数值的加噪处理后变为所述加噪后图像所使用的叠加噪声信号，并根据所述叠加噪声信号，预测出在经过第k次加噪处理前的第k-1个过渡图像，以及根据所述叠加噪声信号以及所述第k-1个过渡图像，预测出在经过第k-1次加噪处理前的第k-2个过渡图像，直至预测出所述还原图像为止，k为不超过所述次数值的正整数。
17、本说明书提供了一种业务执行方法，包括：
18、获取初始图像；
19、将所述初始图像输入预先训练的图像生成模型中，输出目标图像，其中，所述图像生成模型为采用上述的训练方法训练得到的模型；
20、根据初始图像和目标图像，构建训练集，以通过所述训练集，对预设的指定模型进行训练，并通过训练后的指定模型执行业务。
21、本说明书提供了一种图像生成模型训练装置，包括：
22、获取模块：用于获取原始图像；
23、加噪模块：用于将所述原始图像进行加噪处理，得到加噪后图像；
24、输入模块：用于将所述加噪后图像输入到第一图像生成模型，以通过所述第一图像生成模型对所述加噪后图像进行去噪，得到还原图像，并确定出所述还原图像中提取出的图像前景特征；
25、训练模块：用于以最小化所述原始图像对应的图像前景特征与所述还原图像中提取出的图像前景特征之间的偏差为优化目标，对所述第一图像生成模型进行训练。
26、可选地，所述加噪模块具体用于，
27、将所述原始图像以及噪声信号的数量值输入到预先构建出的第二图像生成模型，以通过所述第二图像生成模型输出所述原始图像经过所述数量值对应次数的加噪处理后得到的加噪后图像。
28、可选地，所述加噪模块具体用于，
29、获取样本图像；通过第n个噪声信号，对经过第n-1个噪声信号进行加噪后得到的加噪后图像进行加噪，得到经过第n个噪声信号进行加噪后得到的加噪后图像，n为不小于1的正整数，经过第0个噪声信号进行加噪后得到的加噪后图像为所述样本图像；根据经过第n个噪声信号进行加噪后得到的加噪后图像，经过第n-m个噪声信号进行加噪后得到的加噪后图像、第n个噪声信号以及第n-m+1个噪声信号，确定从经过第n-m个噪声信号进行加噪后得到的加噪后图像到经过第n个噪声信号进行加噪后得到的加噪后图像的转移关系，m为小于n的正整数；根据所述转移关系，构建所述第二图像生成模型。
30、可选地，所述输入模块具体用于，
31、将所述加噪后图像以及所述加噪后图像被加噪的次数值输入到所述第一图像生成模型中，以通过所述第一图像生成模型根据所述次数值，预测出所述原始图像经过所述次数值的加噪处理后变为所述加噪后图像所使用的叠加噪声信号，并根据所述叠加噪声信号，预测出在经过第k次加噪处理前的第k-1个过渡图像，以及根据所述叠加噪声信号以及所述第k-1个过渡图像，预测出在经过第k-1次加噪处理前的第k-2个过渡图像，直至预测出所述还原图像为止，k为不超过所述次数值的正整数。
32、本说明书提供了一种业务执行装置，包括：
33、获取模块：用于获取初始图像；
34、输入模块：用于将所述初始图像输入预先训练的图像生成模型中，输出目标图像其中，所述图像生成模型为采用上述的训练方法训练得到的模型；
35、训练模块：用于根据初始图像和目标图像，构建训练集，以通过所述训练集，对预设的指定模型进行训练，并通过训练后的指定模型执行业务。
36、本说明书提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述图像生成模型本文档来自技高网...
【技术保护点】
1.一种图像生成模型训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，将所述原始图像进行加噪处理，得到加噪后图像，具体包括：
3.如权利要求2所述的方法，其特征在于，构建第二图像生成模型，具体包括：
4.如权利要求1所述的方法，其特征在于，将所述加噪后图像输入到第一图像生成模型，以通过所述第一图像生成模型对所述加噪后图像进行去噪，得到还原图像，具体包括：
5.一种业务执行方法，其特征在于，包括：
6.一种图像生成模型训练装置，其特征在于，包括：
7.如权利要求6所述的装置，其特征在于，所述加噪模块具体用于，将所述原始图像以及噪声信号的数量值输入到预先构建出的第二图像生成模型，以通过所述第二图像生成模型输出所述原始图像经过所述数量值对应次数的加噪处理后得到的加噪后图像。
8.一种业务执行装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述权利要求1~5任一项所述的方法。
10.
...【技术特征摘要】
1.一种图像生成模型训练方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，将所述原始图像进行加噪处理，得到加噪后图像，具体包括：
3.如权利要求2所述的方法，其特征在于，构建第二图像生成模型，具体包括：
4.如权利要求1所述的方法，其特征在于，将所述加噪后图像输入到第一图像生成模型，以通过所述第一图像生成模型对所述加噪后图像进行去噪，得到还原图像，具体包括：
5.一种业务执行方法，其特征在于，包括：
6.一种图像生成模型训练装置，其特征在于，包括：
7.如权利要求6所述的装置，其...
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。