[發明專利]圖像增強網絡的訓練方法、圖像處理方法及相關設備

在審

• 申請號: 202010969598.0
• 申請日: 2020-09-15
• 公開（公告）號: CN112102193A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 李果;熊寶玉;張文杰
• 申請（專利權）人: 北京金山云網絡技術有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 李偉

本發明公開了一種圖像增強網絡的訓練方法、圖像處理方法及相關設備，該訓練方法中選用的圖像生成網絡由至少兩級生成子網絡組成，在訓練過程中，選取初始圖像作為訓練樣本輸入圖像生成網絡，逐級對所述圖像生成網絡中的各級生成子網絡進行訓練，當所述圖像生成網絡的末級生成子網絡完成訓練時，結束對所述圖像生成網絡的訓練，將訓練完成的所述圖像生成網絡作為所述圖像增強網絡。本發明實施例提供的圖像增強網絡的訓練方法，采用分層式訓練方式，每一級生成子網絡的輸入由小尺寸開始逐級增大進行訓練，相比現有對抗式生成網絡一律采用全尺寸樣本進行訓練，綜合訓練量更小，訓練出的圖像增強網絡占用空間小，運行速度更快，增加了圖像增強的效率。

技術領域

本發明涉及圖像處理技術領域，特別涉及一種圖像增強網絡的訓練方法、圖像處理方法及相關設備。

背景技術

隨著互聯網技術的發展，人們越來越依賴于通過網絡快速的獲取信息，諸如圖片、視頻等。然而，通過互聯網傳播的大量圖片，其視覺效果一般，互聯網用戶經常很難找到內容好且圖像色彩也好的圖片。通過圖像增強方法提升圖像的視覺效果具有廣泛的應用場景。

目前深度學習技術在圖像增強領域應用廣泛，尤其深度學習中的生成對抗網絡GAN技術逐漸興起，應用在圖像增強中可以達到良好的處理效果。現有流行的GAN網絡一般占用內存較大，運行速度較慢，降低了圖像增強的效率。

發明內容

鑒于上述問題，本發明提供一種克服上述問題或者至少部分地解決上述問題的一種圖像增強網絡的訓練方法、圖像處理方法及相關設備，技術方案如下所述：

一種圖像增強網絡的訓練方法，包括：

獲取多個初始圖像，將各個所述初始圖像作為訓練樣本輸入圖像生成網絡，逐級對所述圖像生成網絡中的各級生成子網絡進行訓練；所述圖像生成網絡包括至少兩級生成子網絡；每個所述初始圖像作為所述圖像生成網絡中首級生成子網絡的輸入，對每一級生成子網絡輸出的節點圖像進行預處理得到的樣本圖像作為下一級生成子網絡進行訓練時的輸入；每一級生成子網絡的輸入圖像的尺寸小于其下一級生成子網絡的輸入圖像的尺寸；

將當前處于訓練狀態的生成子網絡輸出的節點圖像輸入圖像判別網絡，經所述圖像判別網絡進行卷積處理后，得到與所述當前處于訓練狀態的生成子網絡對應的判別值；

依據所述判別值更新所述當前處于訓練狀態的生成子網絡及所述圖像判別網絡的網絡參數，直至所述圖像判別網絡輸出的判別值滿足預設的收斂條件，結束對所述當前處于訓練狀態的生成子網絡的訓練；

當所述圖像生成網絡的末級生成子網絡完成訓練時，結束對所述圖像生成網絡的訓練，將訓練完成的所述圖像生成網絡作為所述圖像增強網絡。

上述的方法，可選的，將各個所述初始圖像作為訓練樣本輸入圖像生成網絡，逐級對所述圖像生成網絡中的各級生成子網絡進行訓練，包括：

對當前待訓練的生成子網絡進行訓練時，在各個所述初始圖像中任意選取多個初始圖像作為訓練樣本輸入所述圖像生成網絡，以對所述當前待訓練的生成子網絡進行訓練。

上述的方法，可選的，每個所述初始圖像作為所述圖像生成網絡的中首級生成子網絡的輸入，包括：

確定所述首級生成子網絡輸入圖像的尺寸；

判斷當前待輸入初始圖像的圖像尺寸是否為所述首級生成子網絡輸入圖像的尺寸；

若否，則將當前待輸入初始圖像的圖像尺寸縮放至所述首級生成子網絡輸入圖像的尺寸后，輸入所述首級生成子網絡。

上述的方法，可選的，對每一級生成子網絡輸出的節點圖像進行預處理得到樣本圖像的過程，包括：