[發明專利]圖像處理模型的訓練方法、圖像處理方法及裝置

在審

• 申請號: 202210573491.3
• 申請日: 2022-05-25
• 公開（公告）號: CN114972090A
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 陳圣;曾定衡;王洪斌;周迅溢
• 申請（專利權）人: 馬上消費金融股份有限公司
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/50;G06N3/04;G06N3/08
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 徐晨影

1.一種圖像處理模型的訓練方法，其特征在于，包括：

利用原始樣本圖像、所述原始樣本圖像對應的局部擦除圖像及基準去噪圖像，對待訓練模型進行模型迭代訓練，得到圖像處理模型；

其中，所述待訓練模型包括第一分支去噪網絡、第二分支去噪網絡和融合網絡；每次模型迭代訓練的具體實現方式均有：

所述第一分支去噪網絡基于所述基準去噪圖像，對所述原始樣本圖像進行去噪處理，得到第一去噪圖像；

所述第二分支去噪網絡對所述局部擦除圖像進行去噪處理，得到第二去噪圖像；

所述融合網絡對所述第一去噪圖像和所述第二去噪圖像進行融合處理，得到第三去噪圖像；

基于所述第一去噪圖像、所述第二去噪圖像、所述第三去噪圖像以及所述基準去噪圖像，調整所述待訓練模型的模型參數。

2.根據權利要求1所述的方法，其特征在于，所述基于所述第一去噪圖像、所述第二去噪圖像、所述第三去噪圖像以及所述基準去噪圖像，調整所述待訓練模型的模型參數，包括：

基于所述第一去噪圖像、所述第二去噪圖像、所述第三去噪圖像以及所述基準去噪圖像，確定所述待訓練模型的去噪損失；

基于所述待訓練模型的去噪損失，調整所述待訓練模型的模型參數。

3.根據權利要求1所述的方法，其特征在于，所述局部擦除圖像包括第一局部擦除圖像和第二局部擦除圖像，所述第一局部擦除圖像為對所述原始樣本圖像的指定區域進行數據擦除得到，所述第二局部擦除圖像為對所述原始樣本圖像進行隨機數據擦除得到；

所述第二分支去噪網絡對所述局部擦除圖像進行去噪處理，得到第二去噪圖像，包括：

若所述待訓練模型不滿足預設迭代穩定條件，則所述第二分支去噪網絡對所述第一局部擦除圖像進行去噪處理，得到第二去噪圖像；

若所述待訓練模型滿足所述預設迭代穩定條件，則所述第二分支去噪網絡對所述第二局部擦除圖像進行去噪處理，得到第二去噪圖像。

4.根據權利要求2所述的方法，其特征在于，所述第一分支去噪網絡包括第一卷積層和第一生成網絡；

所述第一卷積層用于基于所述基準去噪圖像對所述原始樣本圖像進行卷積處理，得到第一紋理特征；

所述第一生成網絡用于基于所述第一紋理特征確定第一目標特征，以及基于所述第一目標特征生成所述第一去噪圖像。

5.根據權利要求4所述的方法，其特征在于，所述第一分支去噪網絡還包括第一殘差層；

所述第一殘差層用于基于所述原始樣本圖像和所述局部擦除圖像，生成殘差圖像；

所述第一卷積特征還用于對所述殘差圖像進行卷積處理，得到第二紋理特征；

在基于所述第一紋理特征確定第一目標特征方面，所述第一生成網絡具體用于基于所述第一紋理特征與所述第二紋理特征之間的相似度，對所述第一紋理特征和所述第二紋理特征進行融合處理，得到所述第一目標特征。

6.根據權利要求5所述的方法，其特征在于，所述基于所述第一去噪圖像、所述第二去噪圖像、所述第三去噪圖像以及所述基準去噪圖像，確定所述待訓練模型的去噪損失，包括：

基于所述第一去噪圖像和所述基準去噪圖像，確定第一去噪損失；

基于所述第二去噪圖像和所述第一去噪圖像，確定第二去噪損失；

基于所述第三去噪圖像和所述基準去噪圖像，確定第三去噪損失；

基于所述第一去噪損失、所述第二去噪損失以及所述第三去噪損失，確定所述待訓練模型的去噪損失。

7.根據權利要求6所述的方法，其特征在于，若所述第一分支去噪網絡還包括所述第一殘差層，則所述基于所述第一去噪圖像、所述第二去噪圖像、所述第三去噪圖像以及所述基準去噪圖像，確定所述待訓練模型的去噪損失，還包括：

基于所述第一紋理特征與所述第二紋理特征之間的相似度，確定殘差損失；

所述基于所述第一去噪損失、所述第二去噪損失以及所述第三去噪損失，確定所述待訓練模型的去噪損失，具體包括：

基于所述第一去噪損失、所述第二去噪損失、所述第三去噪損失以及所述殘差損失之間的加權和，確定所述待訓練模型的去噪損失。