【技术实现步骤摘要】
本专利技术实施例涉及计算机，尤其涉及一种图像转换模型训练方法、装置、电子设备和存储介质。
技术介绍
1、在实际生活或工作中，有将标准图像转换成具备个人标识性的卡通图像的需求。例如，在社交通讯软件上，使用一个友善、诙谐且具备个人标识的卡通头像，将为社交好友留下更好的印象，提升沟通的融洽程度。目前的图像卡通化方法，存在生成的卡通图像质量差的问题。
技术实现思路
1、本专利技术实施例提供一种图像转换模型训练方法、装置、电子设备和存储介质，可以提高生成的卡通图像的质量。
2、第一方面，本专利技术实施例提供的图像转换模型训练方法，应用于生成对抗网络，所述生成对抗网络包括正向生成对抗网络和反向生成对抗网络，所述正向生成对抗网络包括正向生成器和正向判别器，所述反向生成对抗网络包括反向生成器和反向判别器，所述方法包括：
3、将真实标准图像输入所述正向生成器进行卡通化处理，得到生成卡通图像；
4、将真实卡通图像和所述生成卡通图像输入所述反向判别器进行识别，得到第一识别结果；
5、将所述真实卡通图像输入所述反向生成器进行标准化处理，得到生成标准图像；
6、将所述生成标准图像和所述真实标准图像输入所述正向判别器进行识别，得到第二识别结果；
7、根据所述第一识别结果调整所述反向判别器的模型参数，并根据所述反向判别器的模型参数的调整结果对所述正向生成器的模型参数进行一次调整；
8、根据所述第一识别结果、所述真实标准图像、所述
9、本专利技术实施例的方案，利用两组生成对抗网络来训练图像转换模型，且在模型训练过程中，引入跨模型参数传递机制，即根据一组生成对抗网络中判别器的模型参数的调整结果调整另一组生成对抗网络中生成器的模型参数，通过模型参数传递，加快模型训练速度，提高训练得到的图像转换模型对图像特征提取的能力，使用训练得到的图像转换模型将待处理标准图像卡通化，可以提高卡通化得到的图像的质量。
10、第二方面，本专利技术实施例提供的图像转换模型训练装置，应用于生成对抗网络，所述生成对抗网络包括正向生成对抗网络和反向生成对抗网络，所述正向生成对抗网络包括正向生成器和正向判别器，所述反向生成对抗网络包括反向生成器和反向判别器，所述装置包括：
11、图像卡通化模块，用于将真实标准图像输入所述正向生成器进行卡通化处理，得到生成卡通图像；
12、第一判别模块，将真实卡通图像和所述生成卡通图像输入所述反向判别器进行识别，得到第一识别结果；
13、图像标准化模块，用于将所述真实卡通图像输入所述反向生成器进行标准化处理，得到生成标准图像；
14、第二判别模块，用于将所述生成标准图像和所述真实标准图像输入所述正向判别器进行识别，得到第二识别结果；
15、第一调整模块，用于根据所述第一识别结果调整所述反向判别器的模型参数，并根据所述反向判别器的模型参数的调整结果对所述正向生成器的模型参数进行一次调整；
16、第二调整模块，用于根据所述第一识别结果、所述真实标准图像、所述生成卡通图像和所述生成标准图像对所述正向生成器的模型参数进行二次调整，得到图像转换模型。
17、第三方面，本专利技术实施例提供的电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如本专利技术任一实施例的图像转换模型训练方法。
18、第四方面，本专利技术实施例提供的计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任一实施例的图像转换模型训练方法。
19、本专利技术中第二方面、第三方面以及第四方面的描述，可以参考第一方面的详细描述；并且，第二方面、第三方面以及第四方面描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。
20、在本专利技术中，上述图像转换模型训练装置的名字对设备或功能模块本身不构成限定，在实际实现中，这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本专利技术类似，属于本专利技术权利要求及其等同技术的范围之内。
21、本专利技术的这些方面或其他方面在以下的描述中会更加简明易懂。
本文档来自技高网...【技术保护点】
1.一种图像转换模型训练方法，其特征在于，应用于生成对抗网络，所述生成对抗网络包括正向生成对抗网络和反向生成对抗网络，所述正向生成对抗网络包括正向生成器和正向判别器，所述反向生成对抗网络包括反向生成器和反向判别器，所述方法包括：
2.根据权利要求1所述的图像转换模型训练方法，其特征在于，所述根据所述第一识别结果调整所述反向判别器的模型参数，包括：
3.根据权利要求2所述的图像转换模型训练方法，其特征在于，所述正向生成器包括第一编码模块，所述反向判别器包括第二编码模块，所述根据所述反向判别器的模型参数的调整结果对所述正向生成器的模型参数进行一次调整，包括：
4.根据权利要求3所述的图像转换模型训练方法，其特征在于，所述根据所述第二编码模块的模型参数的调整结果对所述第一编码模块的模型参数进行调整，包括：
5.根据权利要求1所述的图像转换模型训练方法，其特征在于，所述根据所述第一识别结果和所述第二识别结果对所述正向生成器的模型参数进行二次调整，得到图像转换模型，包括：
6.根据权利要求5所述的图像转换模型训练方法，其特征在于，
7.根据权利要求6所述的图像转换模型训练方法，其特征在于，所述正向生成器包括第一编码模块、第一隐藏层模块和第一解码模块，所述根据所述第一识别结果、所述真实标准图像、所述生成卡通图像和所述生成标准图像对所述正向生成器的模型参数进行二次调整，得到图像转换模型，包括：
8.一种图像转换模型训练装置，其特征在于，应用于生成对抗网络，所述生成对抗网络包括正向生成对抗网络和反向生成对抗网络，所述正向生成对抗网络包括正向生成器和正向判别器，所述反向生成对抗网络包括反向生成器和反向判别器，所述装置包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7中任一项所述的图像转换模型训练方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至7中任一项所述的图像转换模型训练方法。
...【技术特征摘要】
1.一种图像转换模型训练方法，其特征在于，应用于生成对抗网络，所述生成对抗网络包括正向生成对抗网络和反向生成对抗网络，所述正向生成对抗网络包括正向生成器和正向判别器，所述反向生成对抗网络包括反向生成器和反向判别器，所述方法包括：
2.根据权利要求1所述的图像转换模型训练方法，其特征在于，所述根据所述第一识别结果调整所述反向判别器的模型参数，包括：
3.根据权利要求2所述的图像转换模型训练方法，其特征在于，所述正向生成器包括第一编码模块，所述反向判别器包括第二编码模块，所述根据所述反向判别器的模型参数的调整结果对所述正向生成器的模型参数进行一次调整，包括：
4.根据权利要求3所述的图像转换模型训练方法，其特征在于，所述根据所述第二编码模块的模型参数的调整结果对所述第一编码模块的模型参数进行调整，包括：
5.根据权利要求1所述的图像转换模型训练方法，其特征在于，所述根据所述第一识别结果和所述第二识别结果对所述正向生成器的模型参数进行二次调整，得到图像转换模型，包括：
6.根据权利要求5所述的图像转换模...
【专利技术属性】
技术研发人员：来旭光，
申请(专利权)人：中国农业银行股份有限公司，
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。