[發明專利]圖像處理模型生成方法、圖像處理方法及裝置、電子設備

有效

• 申請號: 201910755063.0
• 申請日: 2019-03-08
• 公開（公告）號: CN110490247B
• 公開（公告）日: 2020-12-04
• 發明（設計）人: 周昵昀;韓驍;姚建華
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 深圳市隆天聯鼎知識產權代理有限公司 44232
• 代理人: 劉抗美

本公開提供一種基于對抗生成網絡的圖像處理模型生成方法、圖像處理模型生成方法及裝置、電子設備、存儲介質；涉及人工智能技術領域。所述圖像處理模型生成方法包括：獲取原始生物染色圖像的染色特征；通過第一生成器將原始生物染色圖像轉換為第一生物染色圖像，并通過第一判別器對第一生物染色圖像和參考生物染色圖像進行判別；結合原始生物染色圖像的染色特征，通過第二生成器將第一生物染色圖像轉換為第二生物染色圖像；根據各生成器以及各判別器的輸出計算對抗生成網絡的損失函數，并根據損失函數對對抗生成網絡進行訓練；基于訓練后的對抗生成網絡獲取圖像處理模型。本公開可以在保證色彩轉換準確性的同時具有更強的泛化能力。

技術領域

本公開涉及人工智能技術領域，具體而言，涉及基于人工智能的一種圖像處理模型生成方法、圖像處理模型生成方法裝置、圖像處理方法、圖像處理裝置、電子設備以及計算機可讀存儲介質。

背景技術

在很多領域，會使用化學方法或其他方法影響物質本身而使其著色，并通過圖像采集設備得到染色圖像。在獲取染色圖像后，還經常需要對染色圖像進行色彩轉換。

舉例而言，在生物顯微玻片標本制作中，染色是很常用的。為了便于計算機后續更好的處理生物染色圖像，通常需要首先將多個生物染色圖像的色彩風格歸一化到相同的范圍。

然而，相關技術中的圖像處理模型的色彩轉換準確性或泛化能力仍存在一定的提升空間。因此，提供一種在保證色彩轉換準確性的同時具有更強的泛化能力的圖像處理模型是非常必要的。

需要說明的是，在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

本公開的目的在于提供一種圖像處理模型生成方法、圖像處理模型生成裝置、圖像處理方法、圖像處理裝置、電子設備以及計算機可讀存儲介質，進而至少在一定程度上克服由于相關技術的限制和缺陷而導致的圖像處理模型色彩轉換準確性不足以及泛化能力弱的問題。

根據本公開的第一方面，提供一種圖像處理模型生成方法，包括：

獲取原始染色圖像的染色特征；

將所述原始染色圖像及其染色特征輸入對抗生成網絡，對所述對抗生成網絡進行訓練；在所述訓練中包括：將所述原始染色圖像轉換為第一染色圖像以及結合所述原始染色圖像的染色特征將所述第一染色圖像轉換為第二染色圖像；

基于訓練后的對抗生成網絡獲取圖像處理模型。

在本公開的一種示例性實施例中，所述對抗生成網絡包括第一生成器以及第二生成器；對所述對抗生成網絡進行訓練過程中包括：

通過所述第一生成器將所述原始染色圖像轉換為第一染色圖像；以及結合所述原始染色圖像的染色特征，通過所述第二生成器將所述第一染色圖像轉換為第二染色圖像。

在本公開的一種示例性實施例中，所述對抗生成網絡包括第一生成器、第二生成器以及判別器；對所述對抗生成網絡進行訓練包括：

通過所述第一生成器將所述原始染色圖像轉換為第一染色圖像，并通過所述判別器對所述第一染色圖像和參考染色圖像進行判別；

結合所述原始染色圖像的染色特征，通過所述第二生成器將所述第一染色圖像轉換為第二染色圖像；

根據所述原始染色圖像、所述第二染色圖像以及所述判別器的判別結果計算損失函數；

根據所述損失函數修正所述對抗生成網絡，直至所述損失函數達到目標值。

在本公開的一種示例性實施例中，所述計算損失函數包括：

根據所述判別器對于所述第一染色圖像和所述參考染色圖像的判別結果計算第一損失函數；