[發(fā)明專利]照片修復方法、裝置、設備以及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110317893.2
• 申請日: 2021-03-25
• 公開（公告）號: CN113034393A
• 公開（公告）日: 2021-06-25
• 發(fā)明（設計）人: 李鑫;林天威;何棟梁;劉芳龍
• 申請（專利權）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06K9/00;G06K9/62
• 代理公司: 北京英賽嘉華知識產(chǎn)權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種照片修復方法，包括：

獲取待修復老照片，其中，所述待修復老照片包含人臉；

利用預先訓練好的全圖修復模型對所述待修復老照片進行修復，得到修復照片，其中，所述全圖修復模型訓練時利用樣本老照片與基于所述樣本老照片生成的樣本重建老照片的人臉特征來計算重建損失。

2.根據(jù)權利要求1所述的方法，其中，所述全圖修復模型通過如下步驟訓練得到的：

獲取訓練樣本集，其中，所述訓練樣本集中的訓練樣本包括樣本老照片和對應的樣本修復照片；

將所述樣本老照片和樣本修復照片分別輸入至循環(huán)生成對抗網(wǎng)絡CycleGAN模型中，得到樣本重建老照片和樣本重建修復照片；

利用預先訓練好的人臉識別模型提取所述樣本老照片與所述樣本重建老照片的人臉特征；

基于所述樣本老照片與所述樣本重建老照片的人臉特征計算第一重建損失；

基于所述樣本修復照片與所述樣本重建修復照片的像素計算第二重建損失；

基于所述第一重建損失和所述第二重建損失調(diào)整所述CycleGAN模型的參數(shù)，得到所述全圖修復模型。

3.根據(jù)權利要求1所述的方法，其中，在所述獲取待修復老照片之前，所述方法還包括：

獲取待修復照片；

將所述待修復照片輸入至預先訓練好的新老照片二分類模型中，確定所述待修復照片是否為老照片；

響應于所述待修復照片是老照片，則將所述待修復照片記為待修復老照片。

4.根據(jù)權利要求3所述的方法，其中，所述方法還包括：

獲取待檢測照片；

對所述待檢測照片進行人臉檢測，響應于所述待檢測照片包含人臉，將所述待檢測照片記為待修復照片。

5.根據(jù)權利要求4所述的方法，其中，在所述對所述待檢測照片進行人臉檢測之前，所述方法還包括：

確定所述待檢測照片是否為彩色照片；

響應于所述待檢測照片不是彩色照片，則對所述待檢測照片進行上色。

6.根據(jù)權利要求1-5任一項所述的方法，其中，在所述利用預先訓練好的全圖修復模型對所述待修復老照片進行修復之前，所述方法還包括：

對所述待修復老照片進行色彩增強。

7.根據(jù)權利要求6所述的方法，其中，在所述利用預先訓練好的全圖修復模型對所述待修復老照片進行修復，得到修復照片之后，所述方法還包括：

對所述修復照片進行人臉關鍵點檢測及人臉分割，并基于預先訓練好的人臉增強模型對所述修復照片進行人臉增強。

8.一種照片修復裝置，包括：

第一獲取模塊，被配置成獲取待修復老照片，其中，所述待修復老照片包含人臉；

修復模塊，被配置成利用預先訓練好的全圖修復模型對所述待修復老照片進行修復，得到修復照片，其中，所述全圖修復模型訓練時利用樣本老照片與基于所述樣本老照片生成的樣本重建老照片的人臉特征來計算重建損失。

9.根據(jù)權利要求8所述的裝置，其中，所述全圖修復模型通過如下步驟訓練得到的：

獲取訓練樣本集，其中，所述訓練樣本集中的訓練樣本包括樣本老照片和對應的樣本修復照片；

將所述樣本老照片和樣本修復照片分別輸入至循環(huán)生成對抗網(wǎng)絡CycleGAN模型中，得到樣本重建老照片和樣本重建修復照片；

利用預先訓練好的人臉識別模型提取所述樣本老照片與所述樣本重建老照片的人臉特征；

基于所述樣本老照片與所述樣本重建老照片的人臉特征計算第一重建損失；

基于所述樣本修復照片與所述樣本重建修復照片的像素計算第二重建損失；

基于所述第一重建損失和所述第二重建損失調(diào)整所述CycleGAN模型的參數(shù)，得到所述全圖修復模型。