[發(fā)明專利]圖像優(yōu)化網(wǎng)絡(luò)的訓(xùn)練方法、圖像處理方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010003012.5
• 申請(qǐng)日: 2020-01-02
• 公開(kāi)（公告）號(hào): CN111199256A
• 公開(kāi)（公告）日: 2020-05-26
• 發(fā)明（設(shè)計(jì)）人: 王軍搏;韓冬
• 申請(qǐng)（專利權(quán)）人: 沈陽(yáng)先進(jìn)醫(yī)療設(shè)備技術(shù)孵化中心有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京博思佳知識(shí)產(chǎn)權(quán)代理有限公司 11415
• 代理人: 靳玫

1.一種圖像優(yōu)化網(wǎng)絡(luò)的訓(xùn)練方法，其特征在于，所述方法包括：

獲取源域數(shù)據(jù)集和目標(biāo)域數(shù)據(jù)集；其中，所述源域數(shù)據(jù)集包含多個(gè)帶標(biāo)簽的源域低質(zhì)量圖像，所述源域低質(zhì)量圖像的標(biāo)簽為與其圖像內(nèi)容一致的源域高質(zhì)量圖像，所述目標(biāo)域數(shù)據(jù)集包含多個(gè)缺少標(biāo)簽的目標(biāo)域低質(zhì)量圖像；

基于所述源域數(shù)據(jù)集，對(duì)預(yù)先構(gòu)建的包含特征提取器和優(yōu)化器的圖像優(yōu)化網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到所述特征提取器的第一網(wǎng)絡(luò)參數(shù)；

基于所述源域數(shù)據(jù)集和所述目標(biāo)域數(shù)據(jù)集，以及具有所述第一網(wǎng)絡(luò)參數(shù)的所述特征提取器，對(duì)與所述特征提取器連接的預(yù)先構(gòu)建的判別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到所述判別網(wǎng)絡(luò)的第二網(wǎng)絡(luò)參數(shù)；

基于所述源域數(shù)據(jù)集，對(duì)訓(xùn)練后的所述圖像優(yōu)化網(wǎng)絡(luò)和具有所述第二網(wǎng)絡(luò)參數(shù)的所述判別網(wǎng)絡(luò)進(jìn)行聯(lián)合訓(xùn)練，得到所述圖像優(yōu)化網(wǎng)絡(luò)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述源域數(shù)據(jù)集，對(duì)預(yù)先構(gòu)建的圖像優(yōu)化網(wǎng)絡(luò)進(jìn)行訓(xùn)練，包括：

從所述源域數(shù)據(jù)集中選取第一批帶標(biāo)簽的源域低質(zhì)量圖像，利用所述第一批帶標(biāo)簽的源域低質(zhì)量圖像，對(duì)預(yù)先構(gòu)建的圖像優(yōu)化網(wǎng)絡(luò)進(jìn)行有監(jiān)督訓(xùn)練。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述源域數(shù)據(jù)集和所述目標(biāo)域數(shù)據(jù)集，以及具有所述第一網(wǎng)絡(luò)參數(shù)的所述特征提取器，對(duì)與所述特征提取器連接的預(yù)先構(gòu)建的判別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，包括：

從所述源域數(shù)據(jù)集中選取一批源域低質(zhì)量圖像，以及從所述目標(biāo)域數(shù)據(jù)集中選取一批目標(biāo)域低質(zhì)量圖像，并對(duì)選取的源域低質(zhì)量圖像和目標(biāo)域低質(zhì)量圖像的類別進(jìn)行標(biāo)記，得到混合數(shù)據(jù)集；

通過(guò)具有所述第一網(wǎng)絡(luò)參數(shù)的所述特征提取器，提取所述混合數(shù)據(jù)集中源域低質(zhì)量圖像或目標(biāo)域低質(zhì)量圖像的圖像特征，并輸出給所述判別網(wǎng)絡(luò)；

根據(jù)所述圖像特征，對(duì)所述判別網(wǎng)絡(luò)進(jìn)行有監(jiān)督訓(xùn)練。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述源域數(shù)據(jù)集，對(duì)訓(xùn)練后的所述圖像優(yōu)化網(wǎng)絡(luò)和具有所述第二網(wǎng)絡(luò)參數(shù)的所述判別網(wǎng)絡(luò)進(jìn)行聯(lián)合訓(xùn)練，包括：

從所述源域數(shù)據(jù)集中選取第二批帶標(biāo)簽的源域低質(zhì)量圖像，利用所述第二批帶標(biāo)簽的源域低質(zhì)量圖像，對(duì)訓(xùn)練后的所述圖像優(yōu)化網(wǎng)絡(luò)和具有所述第二網(wǎng)絡(luò)參數(shù)的所述判別網(wǎng)絡(luò)進(jìn)行聯(lián)合訓(xùn)練。

5.根據(jù)權(quán)利要求1或4所述的方法，其特征在于，對(duì)所述圖像優(yōu)化網(wǎng)絡(luò)和所述判別網(wǎng)絡(luò)進(jìn)行聯(lián)合訓(xùn)練時(shí)，所述聯(lián)合訓(xùn)練的損失函數(shù)為所述圖像優(yōu)化網(wǎng)絡(luò)的損失函數(shù)和所述判別網(wǎng)絡(luò)的損失函數(shù)的加權(quán)和；

其中，所述圖像優(yōu)化網(wǎng)絡(luò)的損失函數(shù)和所述判別網(wǎng)絡(luò)的損失函數(shù)的權(quán)重均為0.5。

6.一種圖像處理方法，其特征在于，所述方法包括：

獲取待處理的目標(biāo)域低質(zhì)量圖像；

將所述目標(biāo)域低質(zhì)量圖像輸入到預(yù)先訓(xùn)練的圖像優(yōu)化網(wǎng)絡(luò)，所述圖像優(yōu)化網(wǎng)絡(luò)是根據(jù)權(quán)利要求1-5任一項(xiàng)所述的方法訓(xùn)練生成的；

獲得通過(guò)所述圖像優(yōu)化網(wǎng)絡(luò)生成的目標(biāo)域高質(zhì)量圖像。

7.一種圖像優(yōu)化網(wǎng)絡(luò)的訓(xùn)練裝置，其特征在于，所述裝置包括：

訓(xùn)練數(shù)據(jù)獲取模塊，被配置為獲取源域數(shù)據(jù)集和目標(biāo)域數(shù)據(jù)集；其中，所述源域數(shù)據(jù)集包含多個(gè)帶標(biāo)簽的源域低質(zhì)量圖像，所述源域低質(zhì)量圖像的標(biāo)簽為與其圖像內(nèi)容一致的源域高質(zhì)量圖像，所述目標(biāo)域數(shù)據(jù)集包含多個(gè)缺少標(biāo)簽的目標(biāo)域低質(zhì)量圖像；

圖像優(yōu)化網(wǎng)絡(luò)訓(xùn)練模塊，被配置為基于所述源域數(shù)據(jù)集，對(duì)預(yù)先構(gòu)建的包含特征提取器和優(yōu)化器的圖像優(yōu)化網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到所述特征提取器的第一網(wǎng)絡(luò)參數(shù)；

判別網(wǎng)絡(luò)訓(xùn)練模塊，被配置為基于所述源域數(shù)據(jù)集和所述目標(biāo)域數(shù)據(jù)集，以及具有所述第一網(wǎng)絡(luò)參數(shù)的所述特征提取器，對(duì)與所述特征提取器連接的預(yù)先構(gòu)建的判別網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到所述判別網(wǎng)絡(luò)的第二網(wǎng)絡(luò)參數(shù)；

聯(lián)合訓(xùn)練模塊，被配置為基于所述源域數(shù)據(jù)集，對(duì)訓(xùn)練后的所述圖像優(yōu)化網(wǎng)絡(luò)和具有所述第二網(wǎng)絡(luò)參數(shù)的所述判別網(wǎng)絡(luò)進(jìn)行聯(lián)合訓(xùn)練，得到所述圖像優(yōu)化網(wǎng)絡(luò)。