[發明專利]圖像處理方法、處理裝置以及處理設備

有效

• 申請號: 201810079435.8
• 申請日: 2018-01-26
• 公開（公告）號: CN109754357B
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 劉瀚文;那彥波
• 申請（專利權）人: 京東方科技集團股份有限公司
• 主分類號: G06T1/00
• 分類號: G06T1/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 王娟

1.一種圖像處理方法，包括：

獲取輸入圖像；

利用生成神經網絡根據輸入圖像對所述輸入圖像進行圖像轉換處理，以輸出轉換后的輸出圖像，其中，

所述生成神經網絡中包括多個處理層級，其中將第i處理層級的輸出結果輸入至第i+1處理層級和第j處理層級，所述第j處理層級還接收第j-1處理層級的輸出結果，所述第j-1處理層級的輸出結果與第i處理層級的輸出結果具有相同的尺寸，其中所述生成神經網絡的多個處理層級中的每個處理層級包括卷積網絡，所述多個處理層級中的除了第1個處理層級和最后一個處理層級以外的處理層級還包括下采樣層、上采樣層中的至少一個以及標準化層，所述下采樣層的個數與所述上采樣層的個數相等，以使得第1個處理層級輸出的輸出結果與最后一個處理層級的輸出結果具有相同的尺寸，其中：

i小于j-1，i和j為正整數。

2.根據權利要求1所述的圖像處理方法，其中所述輸入圖像作為第一訓練圖像，所述輸出圖像作為第一訓練輸出圖像，所述圖像處理方法還包括：

基于所述第一訓練圖像、第一訓練輸出圖像訓練所述生成神經網絡。

3.根據權利要求2所述的圖像處理方法，其中，訓練所述生成神經網絡包括：

將所述第一訓練輸出圖像輸入至鑒別神經網絡，輸出所述第一訓練輸出圖像是否具有轉換特征的鑒別標簽；

利用第一損失計算單元根據所述第一訓練圖像、第一訓練輸出圖像和鑒別標簽計算所述生成神經網絡的損失值，優化所述生成神經網絡的參數。

4.根據權利要求3所述的圖像處理方法，其中，所述第一損失計算單元包括分析網絡、第一損失計算器和優化器，并且利用第一損失計算單元優化所述生成神經網絡的參數包括：

利用所述分析網絡輸出所述第一訓練圖像和第一訓練輸出圖像的內容特征；

利用所述第一損失計算器根據分析網絡輸出的內容特征以及所述第一訓練輸出圖像的鑒別標簽按照第一損失函數計算所述生成神經網絡的損失值；

利用所述優化器根據所述生成神經網絡的損失值優化所述生成神經網絡的參數，其中，該參數包括所述生成神經網絡中卷積網絡的卷積核和偏置。

5.根據權利要求4所述的圖像處理方法，其中：

所述第一損失函數包括內容損失函數、生成神經網絡損失函數和標準化損失函數中的至少一個。

6.根據權利要求3所述的圖像處理方法，其中，所述輸入圖像作為第二訓練圖像，所述輸出圖像作為第一樣本圖像，所述圖像處理方法還包括：

從訓練數據庫獲取第二樣本圖像；

利用所述鑒別神經網絡輸出所述第一樣本圖像和所述第二樣本圖像是否具有轉換特征的鑒別標簽；

利用第二損失計算單元根據所述第一樣本圖像的鑒別標簽和所述第二樣本圖像的鑒別標簽訓練所述鑒別神經網絡。

7.根據權利要求6所述的圖像處理方法，其中，所述第二損失計算單元包括第二損失計算器和優化器，并且利用第二損失計算單元訓練所述鑒別神經網絡包括：

利用所述第二損失計算器根據所述第一樣本圖像的鑒別標簽和所述第二樣本圖像的鑒別標簽按照第二損失函數計算所述鑒別神經網絡的損失值，其中，所述第二損失函數包括鑒別神經網絡損失函數；

利用所述優化器根據所述鑒別神經網絡的損失值優化所述鑒別神經網絡的參數，其中，該參數包括所述鑒別神經網絡中卷積網絡的卷積核和偏置。

8.根據權利要求6所述的圖像處理方法，其中，所述訓練數據庫中包括具有轉換特征的樣本圖像。