[發明專利]圖像處理模型訓練、圖像處理方法及相關設備

有效

• 申請號: 202011238796.6
• 申請日: 2020-11-09
• 公開（公告）號: CN112232293B
• 公開（公告）日: 2022-08-26
• 發明（設計）人: 劉暢
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/26;G06V20/56;G06T17/00;G06N3/08;G06V10/82
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 陳世華;王琦

本申請提供的一種圖像處理模型訓練、圖像處理方法及相關設備，面對目標場景的圖像處理任務，需要訓練滿足該圖像處理任務的目標圖像處理模型的情況下，本申請將獲取目標場景下的真實圖像樣本，以及針對該目標場景構建的仿真場景下的仿真圖像樣本和標注信息，不需要人工手動確定真實圖像樣本的標注信息，降低了樣本數據獲取成本，提高了樣本數據獲取效率及準確性，且本申請將利用真實圖像樣本、仿真圖像樣本及標注信息，對深度學習網絡進行監督對抗訓練，得到目標圖像處理模型，相對于直接對仿真圖像樣本和標注信息進行監督訓練，本申請這種訓練方式能夠保證目標圖像處理模型對真實圖像的處理可靠、準確，滿足圖像處理任務。

技術領域

本申請涉及人工智能技術領域，具體涉及一種圖像處理模型訓練、圖像處理方法及相關設備。

背景技術

隨著人工智能在圖像處理技術上的不斷發展，計算機設備能夠利用如機器學習技術，對圖像或者視頻進行個性化處理，如圖像分類、目標檢測、圖像分割、關鍵點檢測等，得到滿足用戶實際需求的圖像處理結果。

在實際應用中，為了提高圖像處理效率及準確性，通常是利用機器學習網絡(尤其是深度學習網絡)，對大量帶有標注信息的樣本數據進行有監督訓練，得到滿足相應場景的圖像處理任務需求的圖像處理模型，以此實現對該場景下的待處理圖像的高效處理，得到所需的圖像處理結果。

然而，目前帶有標注信息的樣本數據，通常是在獲取相應場景的圖像樣本后，由人工手動對圖像樣本進行信息標注，人工成本高、標注工作量大、效率低，且因人為因素影響大，使得圖像樣本的標注信息準確性低，這將會極大影響圖像處理模型的訓練效率及準確性。

發明內容

有鑒于此，為解決人工手動標注樣本數據，造成的高成本、低效率和準確性，進而降低圖像處理模型的訓練效率和準確性的技術問題，本申請實施例提供如下技術方案：

一方面，本申請提出了一種圖像處理模型訓練方法，所述方法包括：

獲取目標場景下的真實圖像樣本，以及針對所述目標場景構建的仿真場景下的仿真圖像樣本和標注信息，其中，所述標注信息能夠表征所述仿真圖像樣本所包含的仿真對象的分布信息；

利用所述真實圖像樣本、所述仿真圖像樣本及所述標注信息，對深度學習網絡進行監督對抗訓練，得到目標圖像處理模型，其中，所述深度學習網絡的網絡類型依據所述目標場景下的圖像處理任務確定。

在一些實施例中，所述利用所述真實圖像樣本、所述仿真圖像樣本及所述標注信息，對深度學習網絡進行監督對抗訓練，得到目標圖像處理模型，包括：

對所述真實圖像樣本和所述仿真圖像樣本分別進行特征提取，得到相應的真實圖像特征和仿真圖像特征；

對所述真實圖像特征和所述仿真圖像特征進行差異檢測，得到所述仿真圖像特征的差異檢測結果；

利用所述仿真圖像特征、所述標注信息及所述差異檢測結果，對深度學習網絡進行有監督訓練，得到目標圖像處理模型。

在一些實施例中，所述深度學習網絡的網絡類型依據所述目標場景下的圖像處理任務確定，包括：

按照預先構建的所述目標場景下的不同圖像處理任務與不同網絡類型的深度學習網絡之間的對應關系，將所述不同圖像處理任務各自對應的任一網絡類型的深度學習網絡，確定為用以訓練該圖像處理任務對應的目標圖像處理模型的深度學習網絡。

在一些實施例中，所述深度學習網絡包括監督學習模型和判別模型，所述對所述真實圖像樣本和所述仿真圖像樣本分別進行特征提取，得到真實圖像特征和仿真圖像特征，包括：

將所述真實圖像樣本和所述仿真圖像樣本輸入所述監督學習模型進行特征提取，得到真實圖像特征和仿真圖像特征；

所述對所述真實圖像特征和所述仿真圖像特征進行差異檢測，得到所述仿真圖像特征的差異檢測結果，包括：