[發明專利]圖像融合模型的訓練方法、圖像融合方法及電子設備

在審

• 申請號: 202110270423.5
• 申請日: 2021-03-12
• 公開（公告）號: CN113052025A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 謝中流;刁志敏;張凱;李翔;琚彬
• 申請（專利權）人: 咪咕文化科技有限公司;中國移動通信集團有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06T5/50
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 黃燦;尹倩

1.一種圖像融合模型的訓練方法，其特征在于，包括：

獲取樣本圖像；

接收第一用戶作用于目標圖像中的第一目標人臉圖像上的第一輸入，并基于所述第一輸入構建標簽數據集合，所述標簽數據集合包括至少一個標簽數據組，所述目標圖像為所述樣本圖像中至少一張圖像；

基于所述至少一個標簽數據組構建損失函數，并基于所述損失函數對圖像融合模型進行訓練，以得到訓練后的圖像融合模型；

其中，所述損失函數包括正負樣本監督信號的放大因子。

2.根據權利要求1所述的方法，其特征在于，所述接收第一用戶作用于目標圖像中的第一目標人臉圖像上的第一輸入，并基于所述第一輸入構建標簽數據集合，包括：

接收第一用戶作用于目標圖像中的第一目標人臉圖像上的第一輸入，并將所述第一目標人臉圖像以及第一目標圖像組作為第一標簽數據組，所述第一目標圖像組為包括所述第一目標人臉對應的人物對象的目標圖像；

基于所述第一標簽數據組對初始圖像融合模型進行第一訓練；

將未標注圖像作為經過所述第一訓練后的初始圖像融合模型的輸入，并獲取所述初始圖像融合模型輸出的第二標簽數據組；

基于所述第一標簽數據組及所述第二標簽數據組構建所述標簽數據集合；

其中，所述未標注圖像為所述樣本圖像中未接收到所述第一輸入的圖像，所述第二標簽數據組包括所述未標注圖像中經所述圖像融合模型標注的人臉圖像，所述圖像融合模型為所述初始圖像融合模型經基于所述損失函數訓練后得到的模型。

3.根據權利要求2所述的方法，其特征在于，所述基于所述第一標簽數據組及所述第二標簽數據組構建所述標簽數據集合之前，所述方法還包括：

獲取所述樣本圖像中的第二目標人臉圖像，所述第二目標人臉圖像為第二用戶標注的人臉圖像；

將所述第二目標人臉圖像作為第三標簽數據組；

所述基于所述第一標簽數據組及所述第二標簽數據組構建所述標簽數據集合，包括：

基于所述第一標簽數據組、所述第二標簽數據組及所述第三標簽數據組構建所述標簽數據集合。

4.根據權利要求3所述的方法，其特征在于，所述基于所述第一標簽數據組、所述第二標簽數據組及所述第三標簽數據組構建所述標簽數據集合之前，所述方法還包括：

獲取第四標簽數據組，所述第四標簽數據組包括針對預設圖像進行標注的人臉圖像；

所述基于所述第一標簽數據組、所述第二標簽數據組及所述第三標簽數據組構建所述標簽數據集合，包括：

基于所述第一標簽數據組、所述第二標簽數據組、所述第三標簽數據組及所述第四標簽數據組構建所述標簽數據集合。

5.根據權利要求4所述的方法，其特征在于，所述基于所述至少一個標簽數據組構建損失函數，并基于所述損失函數對圖像融合模型進行訓練，包括：

基于所述第一標簽數據組、所述第二標簽數據組、所述第三標簽數據組及所述第四標簽數據組分別構建損失函數；

基于分別構建的損失函數對所述圖像融合模型進行監督學習訓練。

6.根據權利要求5所述的方法，其特征在于，所述損失函數還包括與各標簽數據組分別對應的權重值，且不同標簽數據組對應的權重值不同。

7.根據權利要求6所述的方法，其特征在于，第一標簽數據組對應第一權重值，第二標簽數據組對應第二權重值，第三標簽數據組對應第三權重值，第四標簽數據組對應第四權重值；

其中，所述第一權重值大于所述第二權重值，所述第二權重值大于所述第三權重值，所述第三權重值大于所述第四權重值。