[發明專利]圖像處理方法、圖像處理模型訓練方法及設備

在審

• 申請號: 202010344536.0
• 申請日: 2020-04-27
• 公開（公告）號: CN111553267A
• 公開（公告）日: 2020-08-18
• 發明（設計）人: 曹赟;陳旭;倪輝;朱俊偉;邰穎;葛彥昊;汪鋮杰;李季檁
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T9/00
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 唐彩琴;毛丹

1.一種圖像處理方法，其特征在于，所述方法包括：

獲取模板面部圖像和至少兩張初始面部圖像；

對所述模板面部圖像進行編碼，得到所述模板面部圖像的屬性特征；

分別對各張所述初始面部圖像進行編碼，得到各張所述初始面部圖像各自對應的面部身份特征；

組合各個所述面部身份特征，得到組合身份特征；

融合所述組合身份特征及所述屬性特征，得到目標特征；

解碼所述目標特征，得到目標面部圖像；所述目標面部圖像與組合身份特征匹配、且與所述模板面部圖像的屬性特征匹配。

2.根據權利要求1所述的方法，其特征在于，所述對所述模板面部圖像進行編碼，得到所述模板面部圖像的屬性特征包括：

通過屬性特征編碼模型對所述模板面部圖像進行編碼，得到所述模板面部圖像的屬性特征；

所述融合所述組合身份特征及所述屬性特征，得到目標特征包括：

通過特征融合模型對所述組合身份特征及所述屬性特征進行融合處理，得到目標特征；

所述解碼所述目標特征，得到目標面部圖像，包括：

通過解碼模型對所述目標特征進行解碼，得到目標面部圖像；

其中，所述特征融合模型、所述解碼模型與所述屬性特征編碼模型，通過交替使用無監督圖像樣本和自監督圖像樣本聯合訓練得到。

3.根據權利要求2所述的方法，其特征在于，所述特征融合模型包括多個網絡層；所述通過特征融合模型對所述組合身份特征及所述屬性特征進行融合處理，得到目標特征包括：

將第一個網絡層確定為當前網絡層，拼接所述組合身份特征及所述屬性特征得到當前網絡層的輸入特征，將所述輸入特征輸入所述當前網絡層，得到當前網絡層的輸出特征；

拼接當前網絡層的輸入特征和輸出特征，得到更新后的輸入特征；

將下一個網絡層確定為當前網絡層，將更新后的輸入特征作為當前網絡層的輸入特征輸入當前網絡層，得到當前網絡層的輸出特征，并進入所述拼接當前網絡層的輸入特征和輸出特征，得到更新后的輸入特征的步驟，直至當前網絡層為末尾網絡層時，將當前網絡層的輸出特征確定為目標特征。

4.根據權利要求2所述的方法，其特征在于，所述屬性特征編碼模型、所述特征融合模型和所述解碼模型包括于生成網絡；所述生成網絡的訓練步驟包括：

獲取無監督圖像樣本和自監督圖像樣本；所述無監督圖像樣本包括第一初始面部圖像樣本和第一模板面部圖像樣本；所述第一初始面部圖像樣本和第一模板面部圖像樣本為不相同的圖像樣本；所述自監督圖像樣本包括第二初始面部圖像樣本和第二模板面部圖像樣本；所述第二初始面部圖像樣本和第二模板面部圖像樣本為相同的圖像樣本；

根據所述無監督圖像樣本對所述生成網絡進行無監督訓練，調整所述屬性特征編碼模型、所述特征融合模型和所述解碼模型的模型參數；

根據所述自監督圖像樣本對所述生成網絡進行自監督訓練，調整所述屬性特征編碼模型、所述特征融合模型和所述解碼模型的模型參數；

重復進入所述根據所述無監督圖像樣本對所述生成網絡進行無監督訓練的步驟，以使所述無監督訓練和所述自監督訓練交替進行，直至滿足訓練停止條件時結束訓練。