[发明专利]网络训练、图像处理方法、装置、存储介质和电子设备

说明书

本发明实施例提供一种网络训练、图像处理方法、装置、存储介质和电子设备。图像处理神经网络的训练方法，包括：通过参数生成神经网络，获取第一样本图像的图像效果变换参数；根据图像效果变换参数，将所述第一样本图像变换为第二样本图像；通过分类神经网络，获取第二样本图像的效果分类检测数据；根据第二样本图像的效果分类检测数据及所述第一样本图像的图像效果分类标注信息，训练参数生成神经网络。基于生成对抗网络，仅基于图像效果分类的简单、直观标注数据作为训练的监督信息，而无需对选取的样本图像进行精准的图像效果参数数据标注，通过弱监督学习方式来训练用于生成图像效果变换参数的参数生成神经网络。

技术领域

本发明实施例涉及图像处理技术，尤其涉及一种图像处理神经网络的训练方法、图像处理方法、装置、存储介质和电子设备。

背景技术

在各种与图像相关的应用中，根据应用场景的需要对拍摄的图像需要进行相应的图像效果处理，例如，对手机拍摄到的人像进行美颜处理、背景虚化处理、剪裁处理等。

这里，图像美学增强(Image Aesthetic Enhancement)是一种尝试通过计算机基于美观美学提高图像质量或图像美感度的图像增强技术。在现有的图像美学增强技术中，主要使用少量样本图像进行图像特征提取，并基于强监督的机器学习方法训练用于生成增强参数的模型。

然而，在例如图像美学增强的图像效果处理任务上，需要采集相当数量高质量的训练数据并进行图像处理参数的标注极为困难，因此现有的强监督的学习方法都具有很大的局限性。

发明内容

本发明实施例的目的在于，提供一种用于图像效果变换的图像处理神经网络的训练技术以及图像处理技术。

根据本发明实施例的第一方面，提供一种图像处理神经网络的训练方法，包括：通过参数生成神经网络，获取第一样本图像的图像效果变换参数，所述第一样本图像含有图像效果分类标注信息，所述参数生成神经网络用于生成图像效果变换参数；根据所述图像效果变换参数，将所述第一样本图像变换为第二样本图像；通过分类神经网络，获取所述第二样本图像的效果分类检测数据，所述分类神经网络用于对图像效果进行分类；根据所述第二样本图像的效果分类检测数据及所述第一样本图像的图像效果分类标注信息，训练所述参数生成神经网络。

可选地，所述图像效果分类标注信息包括指示高质量图像的标注信息或指示低质量图像的标注信息；或者，所述图像效果分类标注信息包括指示图像质量正样本的标注信息或指示图像质量负样本的标注信息。

可选地，所述通过分类神经网络，获取所述第二样本图像的效果分类检测数据包括：通过所述分类神经网络，获取所述第二样本图像的效果分类检测数据和第三样本图像的效果分类检测数据，其中，所述第二样本图像为负样本，所述第三样本图像为正样本；所述方法还包括：根据获取到的各个第二样本图像的效果分类检测数据和各个第三样本图像的效果分类检测数据训练所述分类神经网络。

可选地，所述参数生成神经网络通过对通用分类神经网络进行变换得到，所述变换包括，移除所述通用分类神经网络末端的分类器层和池化层，获取图像特征提取器，通过将所述图像特征提取器作为第一基准网络并在所述第一基准网络的末端添加用于生成图像效果变换参数的卷积层，构建所述参数生成神经网络。

可选地，在移除所述通用分类神经网络末端的分类器层和池化层，获取图像特征提取器之后，所述方法还包括：通过将所述图像特征提取器作为第二基准网络并在所述第二基准网络的末端添加第一池化层和分类器层，构建所述分类神经网络。

可选地，所述图像效果变换参数包括至少一种以下参数：用于图像剪裁的第一参数和用于图像色彩增强的第二参数。

可选地，所述用于图像剪裁的第一参数包括图像剪裁坐标数据，以及/或者，所述用于图像色彩增强的第二参数包括LAB颜色空间的L分量变换参数、A分量变换参数和B分量变换参数。