[發明專利]一種圖像處理模型生成方法、智能終端及存儲介質

有效

• 申請號: 201911424964.8
• 申請日: 2019-12-30
• 公開（公告）號: CN111222560B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 譚舜泉;卓龍;李斌;黃繼武
• 申請（專利權）人: 深圳大學
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06K9/62;G06N3/04;H04N1/32
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 王永文

本發明公開了一種圖像處理模型生成方法、智能終端及存儲介質。在對圖像處理初始模型的訓練過程中，第一模型輸出圖像處理初始模型的處理結果評價結果，將結果反饋到圖像處理模型，可以自動地對圖像處理模型的處理結果進行反向傳播，從而實現圖像處理模型自動調整學習方向，提高了生成圖像處理模型的訓練效率。

技術領域

本發明涉及圖像處理技術領域，尤其涉及一種圖像處理模型生成方法、智能終端及存儲介質。

背景技術

隨著智能終端設備的發展，圖像處理技術越來越受到重視，如何生成圖像處理模型，使得該圖像處理模型能夠在實際使用中，針對各種未知的圖像，都能夠輸出較好的圖像處理結果是研究重點，同時在訓練圖像處理模型的時候，訓練時間過長導致資源的浪費，如何提高訓練效率也是當前所要關注的重點問題。目前，深度學習已經被用于訓練圖像處理模型以使得其能夠適用于處理各種圖像，但是，目前基于深度學習的圖像處理模型訓練過程中還需要人工對生成的圖像打標簽，耗費大量的人力，效率低。

因此，現有技術還有待改進和發展。

發明內容

本發明要解決的技術問題在于，針對現有技術的上述缺陷，提供一種圖像處理模型生成方法、智能終端及存儲介質，旨在解決現有技術中深度學習的圖像處理模型訓練過程效率低的問題。

本發明的技術方案如下：

本發明的第一方面，提供了一種圖像處理模型生成方法，所述方法包括：

根據第一模型以及第一數據集訓練圖像處理初始模型；

獲取所述圖像處理初始模型訓練完成后生成的圖像處理模型；

其中，所述第一數據集包括多個不同的第一樣本待處理圖像，所述第一模型用于在訓練過程中輸出所述圖像處理初始模型對第一樣本待處理圖像的處理結果的評價結果。

所述的圖像處理模型生成方法，其中，所所述第一數據集還包括所述第一樣本待處理圖像對應的第一樣本目標圖像，述根據第一模型以及第一數據集訓練圖像處理初始模型包括：

將所述第一數據集中的第一樣本待處理圖像輸入至所述圖像處理初始模型進行訓練，獲取所述圖像處理初始模型輸出的第二樣本圖像；

將所述第二樣本圖像輸入至所述第一模型，獲取所述第一模型根據所述第二樣本圖像輸出的評價結果；

將所述第二樣本圖像的評價結果和所述第一樣本目標圖像反饋至所述圖像處理初始模型，以使得所述圖像處理初始模型調整學習方向；

繼續執行所述將第一數據集中的一第一樣本待處理圖像輸入至圖像處理初始模型進行訓練的步驟，直至所述圖像處理初始模型輸出的所述第二樣本圖像已達預設效果。

所述的圖像處理模型生成方法，其中，所述第一模型為圖像隱寫分析模型。

所述的圖像處理模型生成方法，其中，所述第一模型是根據第二數據集訓練完成的，所述第二數據集包括多組第二樣本數據，每組第二樣本數據包括第三樣本圖像以及第三樣本圖像對應的評價結果。

所述的圖像處理模型生成方法，其中，所述根據第一模型以及第一數據集訓練圖像處理初始模型包括：

獲取圖像處理要求，根據所述圖像處理要求獲取所述圖像處理初始模型。

所述的圖像處理模型生成方法，其中，所述第三樣本圖像對應的評價結果是根據所述圖像處理要求生成的。

所述的圖像處理模型生成方法，其中，所述第一模型包括依次相互連接的通道濾波層、聯合層、多個卷積-激活層、多個全連接層和輸出層。

所述的圖像處理模型生成方法，其中，所述通道濾波層的卷積核由高通濾波器初始化，所述通道濾波層不接受反向傳播。