【技术实现步骤摘要】
本申请涉及人工智能领域，特别涉及一种图像处理模型的训练方法、图像处理方法及设备。
技术介绍
1、生物识别技术是一种利用人体的相关生物特征(比如：指纹、掌纹、人脸等)和行为特征(比如：声音、步态等)来进行身份的鉴定与识别的技术。以掌纹为例，掌纹是指手指根端到手腕部分的手掌的纹线。掌纹包括主线、皱纹、细小的纹理、脊末梢、分叉点中的至少一种。掌纹识别技术已经被应用于生物识别、身份识别、移动支付等各类应用场景中。
2、相关技术中，样本手掌图像包含掌纹信息，掌纹信息通常由手掌的掌纹、肌肉纹理、拍摄角度等信息组成。其中，掌纹可以具体用于指示样本手掌图像的用户身份。通过编码器直接学习样本手掌图像的上述掌纹信息得到样本特征，基于该样本特征生成新的预测掌纹图像。
3、然而，这种直接利用上述掌纹信息生成的预测掌纹图像中的身份信息显著性不足。
技术实现思路
1、本申请提供了一种图像处理模型的训练方法、图像处理方法及设备。所述技术方案如下：
2、一方面，提供了一种图像处理模型的训练方法，所述方法包括：
3、获取样本身体部位图像，所述样本身体部位图像具有样本身份特征，所述样本身份特征用于指示所述样本身体部位图像的用户身份；
4、将所述样本身体部位图像输入所述图像处理模型，以提取所述样本身体部位图像的所述样本身份特征，以及，提取所述样本身体部位图像的样本属性特征，所述样本属性特征用于表征与所述用户身份无关的属性；
5、解码所述样本身份特征
6、以减小所述样本身体部位图像与所述预测身体部位图像之间的误差作为训练目标，更新所述图像处理模型的至少一部分模型参数。
7、另一方面，提供了一种图像处理方法，所述方法包括：
8、获取第一身体部位图像，以及，获取第二身体部位图像；所述第一身体部位图像是具有第一身份特征和第一属性特征的身体部位图像，所述第二身体部位图像是具有第二身份特征和第二属性特征的身体部位图像，所述第一身份特征用于指示所述第一身体部位图像的用户身份，所述第二身份特征用于指示所述第二身体部位图像的用户身份；
9、将所述第一身体部位图像输入图像处理模型，以提取所述第一身体部位图像的所述第一身份特征，以及，将所述第二身体部位图像输入所述图像处理模型，以提取所述第二身体部位图像的所述第二属性特征，所述第二属性特征用于表征与所述第二身体部位图像的用户身份无关的属性；
10、解码所述第一身份特征和所述第二属性特征，以得到目标身体部位图像；所述目标身体部位图像是具有所述第一身份特征和所述第二属性特征的身体部位图像。
11、另一方面，提供了一种图像处理模型的训练装置，所述装置包括：
12、获取模块，用于获取样本身体部位图像，所述样本身体部位图像具有样本身份特征，所述样本身份特征用于指示所述样本身体部位图像的用户身份；
13、处理模块，用于将所述样本身体部位图像输入所述图像处理模型，以提取所述样本身体部位图像的所述样本身份特征，以及，提取所述样本身体部位图像的样本属性特征；所述样本属性特征用于表征与所述用户身份无关的属性；
14、解码模块，用于解码所述样本身份特征和所述样本属性特征，以得到预测身体部位图像；所述预测身体部位图像是具有所述样本属性特征的用于指示所述用户身份的身体部位图像；
15、训练模块，用于以减小所述样本身体部位图像与所述预测身体部位图像之间的误差作为训练目标，更新所述图像处理模型的至少一部分模型参数。
16、另一方面，提供了一种图像处理装置，所述装置包括：
17、获取模块，用于获取第一身体部位图像，以及，获取第二身体部位图像，所述第一身体部位图像是具有第一身份特征和第一属性特征的身体部位图像，所述第二身体部位图像是具有第二身份特征和第二属性特征的身体部位图像，所述第一身份特征用于指示所述第一身体部位图像的用户身份，所述第二身份特征用于指示所述第二身体部位图像的用户身份；
18、处理模块，用于将所述第一身体部位图像输入图像处理模型，以提取所述第一身体部位图像的所述第一身份特征，以及，将所述第二身体部位图像输入所述图像处理模型，以提取所述第二身体部位图像的所述第二属性特征，所述第二属性特征用于表征与所述第二身体部位图像的用户身份无关的属性；
19、解码模块，用于解码所述第一身份特征和所述第二属性特征，以得到目标身体部位图像；所述目标身体部位图像是具有所述第一身份特征和所述第二属性特征的身体部位图像。
20、另一方面，提供了一种计算机设备，所述计算机设备包括：处理器和存储器，所述存储器存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现如上所述的图像处理模型的训练方法，或，实现如上所述的图像处理方法。
21、另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序由处理器加载并执行以实现如上所述的图像处理模型的训练方法，或，实现如上所述的图像处理方法。
22、另一方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机指令，所述计算机指令存储在计算机可读存储介质中，处理器从所述计算机可读存储介质中获取所述计算机指令，使得所述处理器加载并执行以实现如上所述的图像处理模型的训练方法，或，实现如上所述的图像处理方法。
23、本申请实施例提供的技术方案带来的有益效果至少包括：
24、一方面，本申请实施例提供了一种图像处理模型的训练方法，由计算机设备执行。在图像处理模型的训练阶段，先通过图像处理模型提取样本身体部位图像的样本身份特征，以及提取样本身体部位图像的样本属性特征，样本身份特征用于指示样本身体部位图像的用户身份，而样本属性特征与用户身份无关。然后利用样本身份特征和样本属性特征得到预测样本身体部位图像。最后利用预测身体部位图像与样本身体部位图像间的差异，训练图像处理模型，以使得图像处理模型能够准确提取出相关度低于阈值，甚至完全不相关的样本身份特征与样本属性特征，从而能够通过样本身份特征来精准指示用户身份，因此提高了样本身份特征的身份信息显著性。
25、从而，在图像处理模型的使用阶段，图像处理模型可以提取具有身份信息显著性的身份特征，以及与身份特征相关度低的属性特征，并基于身份特征和属性特征生成目标身体部位图像。由于身份特征具有显著性，所以可以通过身份特征，确定目标身体部位图像的用户身份，提高目标身体部位图像的身份信息显著性和指示用户身份的精准性。进一步的，可以通过属性特征，确定目标身体部位图像的属性，从而生成身份特征可控、属性特征可控的新的目标身体部位图像，提高目标身体部位图像的精度，还提高了目标身体部位图像的质量。
26、另一方面，本申请实施例提供了一种本文档来自技高网...
【技术保护点】
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：
2.根据权利要求1所述的方法，其特征在于，所述将所述样本身体部位图像输入所述图像处理模型，以提取所述样本身体部位图像的样本属性特征，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述将所述耦合属性特征与所述样本身份特征解耦，以得到所述样本属性特征，包括：
4.根据权利要求1至3任一所述的方法，其特征在于，所述将所述耦合属性特征正交投影至所述样本身份特征的特征空间中，以得到样本投影特征，包括：
5.根据权利要求1至4任一所述的方法，其特征在于，所述耦合属性特征的特征维数，与所述样本身份特征的特征维数相同。
6.根据权利要求1至5任一所述的方法，其特征在于，所述解码所述样本身份特征和所述样本属性特征，以得到预测身体部位图像，包括：
7.根据权利要求1至6任一所述的方法，其特征在于，所述以减小所述样本身体部位图像与所述预测身体部位图像之间的误差作为训练目标，更新所述图像处理模型的至少一部分模型参数，包括：
8.根据权利要求7所述的方法，
9.根据权利要求7或8所述的方法，其特征在于，所述图像处理模型包括身份编码器、属性编码器和解码器，所述身份编码器用于提取所述样本身份特征，所述属性编码器用于提取所述样本属性特征，所述解码器用于解码所述样本身份特征和所述样本属性特征；
10.一种图像处理方法，其特征在于，所述方法包括：
11.根据权利要求10所述的方法，其特征在于，所述将所述第二身体部位图像输入所述图像处理模型，以提取所述第二身体部位图像的所述第二属性特征，包括：
12.根据权利要求10或11所述的方法，其特征在于，所述将所述耦合属性特征与所述第二身份特征解耦，以得到所述第二属性特征，包括：
13.根据权利要求10至12任一所述的方法，其特征在于，所述将所述耦合属性特征正交投影至所述第二身份特征的特征空间中，以得到投影特征，包括：
14.根据权利要求10至13任一所述的方法，其特征在于，所述耦合属性特征的特征维数，与所述第二身份特征的特征维数相同。
15.根据权利要求10至14任一所述的方法，其特征在于，所述解码所述第一身份特征和所述第二属性特征，以得到目标身体部位图像，包括：
16.一种图像处理模型的训练装置，其特征在于，所述装置包括：
17.一种图像处理装置，其特征在于，所述装置包括：
18.一种计算机设备，其特征在于，所述计算机设备包括：处理器和存储器，所述存储器存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现如权利要求1至9任一所述的图像处理模型的训练方法，或，实现如权利要求10至15任一所述的图像处理方法。
19.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序由处理器加载并执行以实现如权利要求1至9任一所述的图像处理模型的训练方法，或，实现如权利要求10至15任一所述的图像处理方法。
20.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机指令，所述计算机指令存储在计算机可读存储介质中，处理器从所述计算机可读存储介质中获取所述计算机指令，使得所述处理器加载并执行以实现如权利要求1至9任一所述的图像处理模型的训练方法，或，实现如权利要求10至15任一所述的图像处理方法。
...【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：
2.根据权利要求1所述的方法，其特征在于，所述将所述样本身体部位图像输入所述图像处理模型，以提取所述样本身体部位图像的样本属性特征，包括：
3.根据权利要求1或2所述的方法，其特征在于，所述将所述耦合属性特征与所述样本身份特征解耦，以得到所述样本属性特征，包括：
4.根据权利要求1至3任一所述的方法，其特征在于，所述将所述耦合属性特征正交投影至所述样本身份特征的特征空间中，以得到样本投影特征，包括：
5.根据权利要求1至4任一所述的方法，其特征在于，所述耦合属性特征的特征维数，与所述样本身份特征的特征维数相同。
6.根据权利要求1至5任一所述的方法，其特征在于，所述解码所述样本身份特征和所述样本属性特征，以得到预测身体部位图像，包括：
7.根据权利要求1至6任一所述的方法，其特征在于，所述以减小所述样本身体部位图像与所述预测身体部位图像之间的误差作为训练目标，更新所述图像处理模型的至少一部分模型参数，包括：
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
9.根据权利要求7或8所述的方法，其特征在于，所述图像处理模型包括身份编码器、属性编码器和解码器，所述身份编码器用于提取所述样本身份特征，所述属性编码器用于提取所述样本属性特征，所述解码器用于解码所述样本身份特征和所述样本属性特征；
10.一种图像处理方法，其特征在于，所述方法包括：
11.根据权利要求10所述的方法，其特征在于，所述将所述第二身体部位图像输入所述图像处理模型，以提取所述第二身体部位图像的所述第二属性特征，包括：
【专利技术属性】
技术研发人员：沈雷，
申请(专利权)人：腾讯科技深圳有限公司，
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。