[發明專利]圖像預測方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202011155152.0
• 申請日: 2020-10-26
• 公開（公告）號: CN112348012A
• 公開（公告）日: 2021-02-09
• 發明（設計）人: 姚廣
• 申請（專利權）人: 上海眼控科技股份有限公司
• 主分類號: G06K9/32
• 分類號: G06K9/32;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 杜娟娟

本申請涉及一種圖像預測方法、裝置、計算機設備和存儲介質。所述方法包括：獲取待測圖像；待測圖像中包括多個圖像區域，且不同的圖像區域對應不同的分類類別；將待測圖像輸入預設的圖像預測模型，得到預測圖像；其中，圖像預測模型為根據預設的損失函數訓練得到的，預設的損失函數包括第一損失函數和第二損失函數，第一損失函數的值為根據標準圖像和樣本預測圖像所得到的，第二損失函數的值為根據樣本預測圖像中各圖像區域所屬的樣本類別和標準圖像中各圖像區域所屬的標準類別所得到的。采用本方法能夠提高得到的預測圖像的準確度。

技術領域

本申請涉及圖像預測技術領域，特別是涉及一種圖像預測方法、裝置、計算機設備和存儲介質。

背景技術

隨著深度學習技術的發展，深度學習技術逐漸運用在了圖像預測或圖像生成任務中，例如，通過深度學習技術對降水云圖進行預測，從而得到未來一段時間內的降水云圖。

傳統技術中，圖像預測或圖像生成通常是把將要生成的圖像的每個像素點當成一個回歸問題，通過神經網絡回歸出當前像素點的值，根據回歸出的當前像素點的值生成圖像。

然而，傳統的圖像預測方法，存在生成的預測圖像準確度較低的問題。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高生成的預測圖像準確度的圖像預測方法、裝置、計算機設備和存儲介質。

一種圖像預測方法，所述方法包括：

獲取待測圖像；所述待測圖像中包括多個圖像區域，且不同的圖像區域對應不同的分類類別；

將所述待測圖像輸入預設的圖像預測模型，得到預測圖像；其中，所述圖像預測模型為根據預設的損失函數訓練得到的，所述預設的損失函數包括第一損失函數和第二損失函數，所述第一損失函數的值為根據標準圖像和樣本預測圖像所得到的，所述第二損失函數的值為根據所述樣本預測圖像中各圖像區域所屬的樣本類別和所述標準圖像中各圖像區域所屬的標準類別所得到的。

在其中一個實施例中，所述圖像預測模型的訓練過程包括：

將樣本圖像輸入預設的待訓練圖像預測模型，得到所述樣本預測圖像；

根據所述標準圖像和所述樣本預測圖像，得到所述第一損失函數的值；

獲取所述標準圖像中各圖像區域所屬的標準類別和所述樣本預測圖像中各圖像區域所屬的樣本類別；

根據所述標準圖像中各圖像區域所屬的標準類別和所述樣本預測圖像中各圖像區域所屬的樣本類別，得到所述第二損失函數的值；

根據所述第一損失函數的值和所述第二損失函數的值，得到所述待訓練圖像預測模型的損失函數的值，對所述待訓練圖像預測模型進行訓練，得到所述圖像預測模型。

在其中一個實施例中，所述獲取所述標準圖像中各圖像區域所屬的標準類別和所述樣本預測圖像中各圖像區域所屬的樣本類別，包括：

根據預設的轉換公式，將所述標準圖像中各圖像區域的像素值的值域轉換為對應的標準概率值，根據所述標準概率值得到所述標準圖像中各圖像區域所屬的標準類別；

根據所述預設的轉換公式，將所述樣本預測圖像中各圖像區域的像素值的值域轉換為對應的樣本概率值，根據所述樣本概率值得到所述樣本預測圖像中各圖像區域所屬的樣本類別。

在其中一個實施例中，所述根據所述第一損失函數的值和所述第二損失函數的值，得到所述待訓練圖像預測模型的損失函數的值，對所述待訓練圖像預測模型進行訓練，得到所述圖像預測模型，包括：

對所述第一損失函數的值和所述第二損失函數的值進行加權求和，得到所述待訓練圖像預測模型的損失函數的值；