[發(fā)明專利]模型生成方法、圖像增強(qiáng)方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201811594319.6
• 申請(qǐng)日: 2018-12-25
• 公開（公告）號(hào): CN109859152B
• 公開（公告）日: 2021-05-25
• 發(fā)明（設(shè)計(jì)）人: 鐘韜
• 申請(qǐng)（專利權(quán)）人: 北京奇藝世紀(jì)科技有限公司
• 主分類號(hào): G06T5/50
• 分類號(hào): G06T5/50
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 莎日娜

本發(fā)明提供了一種模型生成方法、圖像增強(qiáng)方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，屬于網(wǎng)絡(luò)技術(shù)領(lǐng)域。該方法可以根據(jù)不同強(qiáng)度等級(jí)差對(duì)應(yīng)的樣本圖像對(duì)及其強(qiáng)度等級(jí)差，并利用初始增強(qiáng)模型根據(jù)樣本圖像對(duì)的強(qiáng)度等級(jí)差對(duì)樣本圖像進(jìn)行增強(qiáng)處理，基于增強(qiáng)后的樣本圖像以及樣本圖像的樣本增強(qiáng)圖像，計(jì)算損失值，若損失值在預(yù)設(shè)范圍內(nèi)，將初始增強(qiáng)模型作為圖像增強(qiáng)模型。這樣，利用該生成的圖像增強(qiáng)模型在對(duì)待分類圖像進(jìn)行處理時(shí)，可以基于不同的強(qiáng)度等級(jí)差，對(duì)待分類圖像進(jìn)行不同增強(qiáng)程度的處理，這樣，無需多個(gè)模型，通過輸入強(qiáng)度等級(jí)差，利用該單個(gè)模型即可實(shí)現(xiàn)對(duì)圖像進(jìn)行不同強(qiáng)度的增強(qiáng)。

技術(shù)領(lǐng)域

本發(fā)明屬于網(wǎng)絡(luò)技術(shù)領(lǐng)域，特別是涉及一種模型生成方法、圖像增強(qiáng)方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著網(wǎng)絡(luò)的不斷發(fā)展，用戶經(jīng)常會(huì)拍攝圖像，但受到用戶拍攝設(shè)備質(zhì)量以及拍攝環(huán)境的影響，拍攝圖像可能會(huì)出現(xiàn)質(zhì)量較差的情況，例如，對(duì)比度、飽和度過高或過低，為了提高圖像的質(zhì)量，往往會(huì)對(duì)圖像進(jìn)行增強(qiáng)處理，由于對(duì)圖像處理的需求不同，因此，經(jīng)常需要對(duì)圖像進(jìn)行不同強(qiáng)度的增強(qiáng)處理。

現(xiàn)有技術(shù)中，為了實(shí)現(xiàn)對(duì)不同圖像進(jìn)行不同強(qiáng)度的增強(qiáng)處理，往往是采用多個(gè)不用強(qiáng)度的圖像增強(qiáng)模型，從這多個(gè)圖像增強(qiáng)模型中選擇符合增強(qiáng)需求的模型進(jìn)行圖像增強(qiáng)處理。模型的冗余性較大，整個(gè)操作也較為繁瑣，便捷性較低。

發(fā)明內(nèi)容

本發(fā)明提供一種模型生成方法、圖像增強(qiáng)方法、裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，以便解決圖像增強(qiáng)處理操作繁瑣，便捷性較低的問題。

依據(jù)本發(fā)明的第一方面，提供了一種模型生成方法，該方法包括：

對(duì)于不同強(qiáng)度等級(jí)差對(duì)應(yīng)的樣本圖像對(duì)，根據(jù)所述樣本圖像對(duì)中的樣本圖像及所述樣本圖像對(duì)的強(qiáng)度等級(jí)差，并利用所述初始增強(qiáng)模型對(duì)所述樣本圖像進(jìn)行增強(qiáng)處理；所述強(qiáng)度等級(jí)差表示所述樣本圖像對(duì)中樣本增強(qiáng)圖像的強(qiáng)度等級(jí)與樣本圖像的強(qiáng)度等級(jí)之間的差值；

基于增強(qiáng)后的樣本圖像以及所述樣本圖像的樣本增強(qiáng)圖像，獲取所述初始增強(qiáng)模型的損失值；

若所述損失值在預(yù)設(shè)范圍內(nèi)，將所述初始增強(qiáng)模型作為圖像增強(qiáng)模型。

可選的，所述基于增強(qiáng)后的樣本圖像以及所述樣本圖像的樣本增強(qiáng)圖像，獲取所述初始增強(qiáng)模型的損失值之后，所述方法還包括：

若所述損失值不在預(yù)設(shè)范圍內(nèi)，基于所述損失值表示的誤差程度調(diào)整所述初始增強(qiáng)模型的參數(shù)，并基于所述不同強(qiáng)度等級(jí)差對(duì)應(yīng)的樣本圖像對(duì)，對(duì)調(diào)整后的初始增強(qiáng)模型繼續(xù)訓(xùn)練。

可選的，所述根據(jù)所述樣本圖像對(duì)中的樣本圖像及所述樣本圖像對(duì)的強(qiáng)度等級(jí)差，并利用所述初始增強(qiáng)模型對(duì)所述樣本圖像進(jìn)行增強(qiáng)處理之前，所述方法還包括：

獲取多個(gè)初始圖像對(duì)；所述初始圖像對(duì)中包括初始圖像以及初始圖像的增強(qiáng)圖像；

對(duì)于每個(gè)初始圖像對(duì)，按照不同強(qiáng)度等級(jí)對(duì)應(yīng)的圖像參數(shù)調(diào)整范圍以及不同強(qiáng)度等級(jí)對(duì)應(yīng)的圖像種類，對(duì)所述初始圖像對(duì)中的初始圖像及增強(qiáng)圖像的圖像參數(shù)進(jìn)行調(diào)整，得到對(duì)應(yīng)不同強(qiáng)度等級(jí)的備選圖像；

利用每個(gè)備選圖像對(duì)應(yīng)的強(qiáng)度等級(jí)，對(duì)所述備選圖像進(jìn)行組合，得到不同強(qiáng)度等級(jí)差對(duì)應(yīng)的樣本圖像對(duì)；所述圖像參數(shù)至少包括亮度、對(duì)比度及飽和度。

可選的，所述初始增強(qiáng)模型包括卷積層、全連接層以及反卷積層；

所述卷積層中的參數(shù)至少包括：卷積核的值，所述全連接層中的參數(shù)至少包括權(quán)重矩陣。

可選的，所述根據(jù)所述樣本圖像對(duì)中的樣本圖像及所述樣本圖像對(duì)的強(qiáng)度等級(jí)差，并利用所述初始增強(qiáng)模型對(duì)所述樣本圖像進(jìn)行增強(qiáng)處理，包括：

將所述樣本圖像對(duì)及所述樣本圖像對(duì)的強(qiáng)度等級(jí)差輸入初始增強(qiáng)模型；