[發明專利]圖像降噪模型的訓練方法、裝置、電子設備和存儲介質

在審

• 申請號: 202010557928.5
• 申請日: 2020-06-18
• 公開（公告）號: CN111899185A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 鄭海榮;劉新;張娜;胡戰利;薛恒志;梁棟
• 申請（專利權）人: 深圳先進技術研究院
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T11/00;G06N3/04
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 李瀟

1.一種圖像降噪模型的訓練方法，其特征在于，包括：

獲取圖像樣本集；其中，所述圖像樣本集包括：無噪聲原始圖像和與所述無噪聲原始圖像對應的帶噪聲原始圖像；

將所述帶噪聲原始圖像輸入循環一致性生成對抗網絡的第一生成模型，生成第一無噪聲生成圖像；

將所述第一無噪聲生成圖像輸入所述循環一致性生成對抗網絡的第二生成模型，生成第二帶噪聲生成圖像；

將所述無噪聲原始圖像輸入所述循環一致性生成對抗網絡的第二生成模型，生成第一帶噪聲生成圖像；

將所述第一帶噪聲生成圖像輸入所述循環一致性生成對抗網絡的第一生成模型，生成第二無噪聲生成圖像；

將所述第一無噪聲生成圖像和所述無噪聲原始圖像輸入所述循環一致性生成對抗網絡的第一判別模型，得到所述第一無噪聲生成圖像是否為生成圖像類別的第一判別結果；

將所述第一帶噪聲生成圖像和所述帶噪聲原始圖像輸入所述循環一致性生成對抗網絡的第二判別模型，得到所述第一帶噪聲生成圖像是否為生成圖像類別的第二判別結果；

根據所述第一判別結果、所述第二判別結果、所述第一無噪聲生成圖像、所述無噪聲原始圖像、所述第二帶噪聲生成圖像、所述第二無噪聲生成圖像和所述帶噪聲原始圖像，對所述循環一致性生成對抗網絡進行優化，以得到訓練好的圖像降噪模型。

2.如權利要求1所述的方法，其特征在于，根據所述第一判別結果、所述第二判別結果、所述第一無噪聲生成圖像、所述無噪聲原始圖像、所述第二帶噪聲生成圖像、所述第二無噪聲生成圖像和所述帶噪聲原始圖像，對所述循環一致性生成對抗網絡進行優化，以得到訓練好的圖像降噪模型，包括：

將所述第一判別結果、所述第二判別結果、所述第一無噪聲生成圖像、所述無噪聲原始圖像、所述第二帶噪聲生成圖像、所述第二無噪聲生成圖像和所述帶噪聲原始圖像分別代入至預設損失函數中得到損失值；

根據所述損失值，對所述循環一致性生成對抗網絡的第一生成模型和第二生成模型進行優化，以得到訓練好的圖像降噪模型。

3.如權利要求1所述的方法，其特征在于，所述預設損失函數包括第一損失函數、第二損失函數、第三損失函數和感知損失函數；則，將所述第一判別結果、所述第二判別結果、所述第一無噪聲生成圖像、所述無噪聲原始圖像、所述第二帶噪聲生成圖像、所述第二無噪聲生成圖像和所述帶噪聲原始圖像分別代入至預設損失函數中得到損失值，包括：

將所述第一判別結果，代入至所述第一損失函數，得到第一損失值；

將所述第二判別結果，代入至所述第二損失函數，得到第二損失值；

將所述第二無噪聲生成圖像、所述無噪聲原始圖像、所述第二帶噪聲生成圖像以及所述帶噪聲原始圖像，代入至所述第三損失函數，得到第三損失值；

將所述第一無噪聲生成圖像和所述無噪聲原始圖像，代入至所述感知損失函數，得到第四損失值。