[發(fā)明專利]一種圖像中移除目標物體的方法、裝置及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 201910481755.0
• 申請日: 2019-06-04
• 公開（公告）號: CN110008940B
• 公開（公告）日: 2020-02-11
• 發(fā)明（設(shè)計）人: 陳海波
• 申請（專利權(quán)）人: 深蘭人工智能芯片研究院(江蘇)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08;G06T3/00
• 代理公司: 11291 北京同達信恒知識產(chǎn)權(quán)代理有限公司
• 代理人: 黃志華

1.一種圖像中移除目標物體的方法，其特征在于，所述方法包括：

將包含待移除的目標物體的第一子圖像的第一圖像，及預先獲取的所述第一子圖像在所述第一圖像中的目標位置信息輸入到預先訓練完成的網(wǎng)絡(luò)模型中，獲取所述網(wǎng)絡(luò)模型輸出的在所述第一圖像中的所述目標位置信息處移除了所述第一子圖像的第二圖像；

其中，所述網(wǎng)絡(luò)模型的訓練過程包括：

獲取訓練樣本集中的每個第五圖像，其中每個第五圖像中包含待移除的物體的第三子圖像；

針對每個第五圖像，將該第五圖像及預先獲取的該第五圖像中待移除的物體的第三子圖像在該第五圖像中的第二位置信息輸入到所述網(wǎng)絡(luò)模型中，獲取所述網(wǎng)絡(luò)模型輸出的在所述第五圖像中的所述第二位置信息處移除了所述第三子圖像的第六圖像，及包含所述物體的第七圖像；將所述第六圖像，所述第七圖像及所述第二位置信息輸入到所述網(wǎng)絡(luò)模型的反向網(wǎng)絡(luò)模型中，獲取所述反向網(wǎng)絡(luò)模型輸出的在所述第六圖像的所述第二位置信息處添加了所述第七圖像中的物體的第八圖像；

根據(jù)每個第五圖像和第八圖像的相似度，對所述網(wǎng)絡(luò)模型進行訓練。

2.如權(quán)利要求1所述的方法，其特征在于，所述網(wǎng)絡(luò)模型的訓練過程包括：

獲取訓練樣本集中的每個第三圖像，其中每個第三圖像中包含待移除的物體的第二子圖像；

針對每個第三圖像，將該第三圖像，及預先獲取的該第三圖像中待移除的物體的第二子圖像在該第三圖像中的第一位置信息輸入到所述網(wǎng)絡(luò)模型中，獲取所述網(wǎng)絡(luò)模型輸出的在所述第三圖像中的所述第一位置信息處移除了所述第二子圖像的第四圖像；將所述第四圖像輸入到預先訓練完成的辨別器網(wǎng)絡(luò)模型中，獲取所述辨別器網(wǎng)絡(luò)模型輸出的辨別結(jié)果信息，其中所述辨別結(jié)果信息為真實圖像或虛假圖像；

根據(jù)每個辨別結(jié)果信息，對所述網(wǎng)絡(luò)模型進行訓練。

3.如權(quán)利要求1所述的方法，其特征在于，所述反向網(wǎng)絡(luò)模型的訓練過程包括：

獲取訓練樣本集中的每個第十三圖像和每個第十四圖像，其中每個第十四圖像中包含待添加的物體的第五子圖像；

針對每個第十三圖像，選取任一第十四圖像，將該第十三圖像，該第十四圖像及預先獲取的所述第十三圖像中的第四位置信息輸入到所述反向網(wǎng)絡(luò)模型中，獲取所述反向網(wǎng)絡(luò)模型輸出的在所述第十三圖像的所述第四位置信息添加了所述第五子圖像的第十五圖像；將所述第十五圖像輸入到預先訓練完成的辨別器網(wǎng)絡(luò)模型中，獲取所述辨別器網(wǎng)絡(luò)模型輸出的辨別結(jié)果信息，其中所述辨別結(jié)果信息為真實圖像或虛假圖像；

根據(jù)每個辨別結(jié)果信息，對所述反向網(wǎng)絡(luò)模型進行訓練。

4.如權(quán)利要求2或3所述的方法，其特征在于，所述辨別器網(wǎng)絡(luò)模型的訓練過程包括：

獲取樣本圖像，其中所述樣本圖像中標注了該樣本圖像對應的辨別標識信息，其中所述辨別標識信息包括真實圖像和虛假圖像；

將每個樣本圖像輸入到所述辨別器網(wǎng)絡(luò)模型中，根據(jù)辨別器網(wǎng)絡(luò)模型針對每個樣本圖像輸出的辨別結(jié)果信息，及每個樣本圖像對應的辨別標識信息，對所述辨別器網(wǎng)絡(luò)模型進行訓練，其中辨別結(jié)果信息標識輸入的圖像是真實圖像還是虛假圖像。

5.一種圖像中移除目標物體的方法，其特征在于，所述方法包括：

將包含待移除的目標物體的第一子圖像的第一圖像，及預先獲取的所述第一子圖像在所述第一圖像中的目標位置信息輸入到預先訓練完成的網(wǎng)絡(luò)模型中，獲取所述網(wǎng)絡(luò)模型輸出的在所述第一圖像中的所述目標位置信息處移除了所述第一子圖像的第二圖像；

其中，所述網(wǎng)絡(luò)模型的訓練過程包括：

獲取訓練樣本集中的每個第九圖像和每個第十圖像，其中每個第十圖像中包含待添加的物體的第四子圖像；

針對每個第九圖像，選取任一第十圖像，將該第九圖像，該第十圖像及預先獲取的所述第九圖像中的第三位置信息輸入到所述網(wǎng)絡(luò)模型的反向網(wǎng)絡(luò)模型中，獲取所述反向網(wǎng)絡(luò)模型輸出的在所述第九圖像的所述第三位置信息添加了所述第四子圖像的第十一圖像；將所述第十一圖像和所述第三位置信息輸入到所述網(wǎng)絡(luò)模型中，獲取所述網(wǎng)絡(luò)模型輸出的在所述第十一圖像的所述第三位置信息移除了所述第三位置信息中的所述第四子圖像的第十二圖像；

根據(jù)每個第九圖像和第十二圖像的相似度，對所述網(wǎng)絡(luò)模型進行訓練。