[發明專利]一種圖像生成方法及裝置

有效

• 申請號: 202010181201.1
• 申請日: 2020-03-16
• 公開（公告）號: CN111462263B
• 公開（公告）日: 2023-08-11
• 發明（設計）人: 薛銳青
• 申請（專利權）人: 云知聲智能科技股份有限公司;廈門云知芯智能科技有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06V10/74;G06N20/00
• 代理公司: 北京冠和權律師事務所 11399
• 代理人: 安琪

本發明公開了一種圖像生成方法及裝置，包括：根據預設圖片生成圖像精度遞增的預設草稿圖像；利用預設草稿圖像和實際草稿圖像對預設模型進行訓練；保存訓練好的預設模型；獲取當前圖片，將當前圖片輸入到訓練好的預設模型確定當前圖片對應的目標圖像。通過獲取預設圖片精度遞增的預設草稿圖像來使得預設模型獲得大量的訓練數據，并且在生成預設草稿圖像的過程中像素點不是一次性的生成的，而是逐漸生成的并且生成的預設草稿圖像可供用戶選擇性的進行對預設模型的訓練。解決了現有技術中由于在生成偽造圖像的過程中次生成所有像素點，導致生成的圖片質量較差和在生成過程中無法進行人為干預從而出現不確定因素導致模型不完善的問題。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種圖像生成方法及裝置。

背景技術

深度學習引領著新一輪的人工智能浪潮，在很多領域受到廣泛關注。尤其在圖形圖像領域里，人臉識別和自動駕駛等應用正在逐漸進入我們的生活。深度學習是機器學習中一種基于對數據進行表征學習的方法。模仿人腦的機制來解釋數據，例如圖像，聲音和文本等。其優勢在于用非監督式或半監督式的特征學習和分層特征提取高效算法來替代手工獲取特征。現有技術中的深度學習模型通過手機海量圖圖像，將其結合隨機噪聲輸入到生成器中生成偽造圖像，然后將偽造圖像和實際圖像輸入到判別器中判別偽造圖像是否為實際圖像，將判別器和生成器結合訓練深度學習模型，這種方法存在以下缺點：(1)在生成偽造圖像的過程中次生成所有像素點，導致生成的圖片質量較差；(2)在生成過程中無法進行人為干預從而出現不確定因素導致模型不完善。

發明內容

針對上述所顯示出來的問題，本方法基于根據預設圖片生成圖像精度遞增的預設草稿圖像，利用預設草稿圖像和實際草稿圖像對預設模型進行訓練，最后將當前圖片輸入訓練好的模型中獲取目標圖像。

一種圖像生成方法，包括以下步驟：

根據預設圖片生成圖像精度遞增的預設草稿圖像；

利用所述預設草稿圖像和實際草稿圖像對預設模型進行訓練；

保存訓練好的預設模型；

獲取當前圖片，將所述當前圖片輸入到所述訓練好的預設模型確定所述當前圖片對應的目標圖像。

優選的，所述根據預設圖片生成圖像精度遞增的預設草稿圖像，包括：

獲取預設數目個所述預設圖片；

根據類別對所述預設數目個預設圖片進行分類，分為n個類別；

對所述n個類別中每個預設圖片進行序號排列；

將每個預設圖片的序號和隨機噪聲輸入到生成器中以生成最粗糙的第一預設草稿圖像；

將所述第一預設草稿圖像和所述每個預設圖片對應的序號輸入到所述生成器中生成相比于所述第一預設草稿圖像相精細的第二預設草稿圖像；

基于所述第二預設草稿圖像，將所述第二預設草稿圖像的生成步驟迭代m次，直到生成大于等于預設精度的預設草稿圖像；

確定所述第一預設草稿圖像到最精致的預設草稿圖像為每個預設圖片的所述預設草稿圖像。

優選的，所述利用所述預設草稿圖像和實際草稿圖像對預設模型進行訓練，包括：

將所述每個預設圖片的預設草稿圖像和所述每個圖片的實際草稿圖像輸入到判別器中進行相似度判別，輸出判別結果；

將所述判別結果中與所述實際草稿圖像相似度大于等于預設閾值的預設草稿圖像作為最終草稿圖像；

將每個預設圖片的最終草稿圖像保存到所述預設模型中并對所述預設模型進行訓練。

優選的，所述獲取當前圖片，將所述當前圖片輸入到所述訓練好的預設模型確定所述當前圖片對應的目標圖像，包括：