[發(fā)明專利]超分網(wǎng)絡模型的訓練方法、裝置和電子設備

在審

• 申請?zhí)枺?/td>: 202110713803.1
• 申請日: 2021-06-25
• 公開（公告）號: CN113313633A
• 公開（公告）日: 2021-08-27
• 發(fā)明（設計）人: 宋苗
• 申請（專利權）人: 西安紫光展銳科技有限公司
• 主分類號: G06T3/40
• 分類號: G06T3/40;G06K9/62;G06N20/00
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 朱穎;臧建明

1.一種超分網(wǎng)絡模型的訓練方法，其特征在于，包括：

獲取多個樣本圖像對；其中，各樣本圖像對均包括一個第一樣本圖像，以及所述第一樣本圖像對應的初始樣本圖像，且所述第一樣本圖像為所述初始樣本圖像超分處理后的圖像；

針對所述各樣本圖像對，將所述樣本圖像對的初始樣本圖像輸入至初始超分網(wǎng)絡模型，得到所述初始樣本圖像對應的第二樣本圖像；并分別對所述第一樣本圖像和所述第二樣本圖像進行至少一個尺度的下采樣處理，得到所述第一樣本圖像對應的第三樣本圖像，以及所述第二樣本圖像對應的第四樣本圖像；其中，所述第二樣本圖像的超分倍數(shù)與所述第一樣本圖像的超分倍數(shù)相同；

根據(jù)所述各樣本圖像對的第一樣本圖像、以及對應的第二樣本圖像、第三樣本圖像、和第四樣本圖像，對所述初始超分網(wǎng)絡模型進行訓練，得到目標超分網(wǎng)絡模型。

2.根據(jù)權利要求1所述的方法，其特征在于，所述根據(jù)所述各樣本圖像對的第一樣本圖像、以及對應的第二樣本圖像、第三樣本圖像、和第四樣本圖像，對所述初始超分網(wǎng)絡模型進行訓練，得到目標超分網(wǎng)絡模型，包括：

針對所述各樣本圖像對，根據(jù)所述樣本圖像對的第一樣本圖像、以及對應的第二樣本圖像、第三樣本圖像、和第四樣本圖像，確定所述樣本圖像對對應的損失函數(shù)；

根據(jù)所述各樣本圖像對對應的損失函數(shù)，對所述初始超分網(wǎng)絡模型進行訓練，得到目標超分網(wǎng)絡模型。

3.根據(jù)權利要求2所述的方法，其特征在于，所述根據(jù)所述樣本圖像對的第一樣本圖像、以及對應的第二樣本圖像、第三樣本圖像、以及第四樣本圖像，確定所述樣本圖像對對應的損失函數(shù)，包括：

根據(jù)所述第一樣本圖像和所述第二樣本圖像，確定第一損失函數(shù)，并根據(jù)所述第三樣本圖像和第四樣本圖像，確定第二損失函數(shù)；

根據(jù)所述第一損失函數(shù)和所述第二損失函數(shù)，確定所述樣本圖像對對應的損失函數(shù)。

4.根據(jù)權利要求3所述的方法，其特征在于，所述根據(jù)所述第一損失函數(shù)和所述第二損失函數(shù)，確定所述樣本圖像對對應的損失函數(shù)，包括：

分別確定所述第一損失函數(shù)對應的第一權重，以及所述第二損失函數(shù)對應的第二權重；

計算所述第一損失函數(shù)與所述第一權重之間的第一乘積、以及所述第二損失函數(shù)與所述第二權重之間的第二乘積；

將所述第一乘積和所述第二乘積的和，確定為所述樣本圖像對對應的損失函數(shù)。

5.根據(jù)權利要求2-4任一項所述的方法，其特征在于，所述根據(jù)所述各樣本圖像對對應的損失函數(shù)，對所述初始超分網(wǎng)絡模型進行訓練，得到目標超分網(wǎng)絡模型，包括：

將所述各樣本圖像對對應的損失函數(shù)之間的和，確定為所述多個樣本圖像對對應的目標損失函數(shù)；

根據(jù)所述目標損失函數(shù)，對所述初始超分網(wǎng)絡模型進行訓練，得到所述目標超分網(wǎng)絡模型。

6.根據(jù)權利要求5所述的方法，其特征在于，所述根據(jù)所述目標損失函數(shù)，對所述初始超分網(wǎng)絡模型進行訓練，得到所述目標超分網(wǎng)絡模型，包括：

根據(jù)所述目標損失函數(shù)，更新所述初始超分網(wǎng)絡模型的模型參數(shù)；

判斷更新后的初始超分網(wǎng)絡模型是否收斂；

若所述更新后的初始超分網(wǎng)絡模型收斂，則將所述更新后的初始超分網(wǎng)絡模型確定為所述目標超分網(wǎng)絡模型。

7.根據(jù)權利要求6所述的方法，其特征在于，所述方法還包括：

若所述更新后的初始超分網(wǎng)絡模型未收斂，則重復執(zhí)行如下步驟，直至所述更新后的初始超分網(wǎng)絡模型收斂：

通過更新后的初始超分網(wǎng)絡模型獲取所述初始樣本圖像對應的新的第二樣本圖像；

根據(jù)所述新的第二樣本圖像和所述第一樣本圖像確定的第一損失函數(shù)，以及所述新的第二樣本圖像對應的新的第四樣本圖像和所述第三樣本圖像之間的第二損失，確定新的目標損失函數(shù)，并基于所述新的目標損失函數(shù)，再次更新所述更新后的初始超分網(wǎng)絡模型的模型參數(shù)。