[发明专利]图像转换网络获取方法、装置、计算设备及存储介质

权利要求书

1.一种图像转换网络获取方法，所述方法基于经过训练的第一网络而执行，所述方法包括：

获取第一图像和第二图像，其中，第一图像和第二图像是具有不同风格的两张风格图像；

将所述第一图像和所述第二图像分别输入至所述第一网络中，并根据预设融合权值，在所述第一网络的加权运算层进行加权运算，得到与所述第一图像和所述第二图像的融合后的风格对应的第二网络；

其中，所述第一网络的训练步骤包括：从风格图像库中提取一个第一样本图像，从内容图像库中提取至少一个第二样本图像；将所述第一样本图像输入至第一网络中，得到与所述第一样本图像的风格对应的第三网络；利用与所述第一样本图像的风格对应的第三网络，分别针对至少一个第二样本图像生成对应的第三样本图像；根据至少一个第三样本图像与所述第一样本图像之间的风格损失以及至少一个第三样本图像与对应的第二样本图像之间的内容损失，得到第一网络损失函数，根据所述第一网络损失函数更新所述第一网络的权重参数；

迭代执行所述第一网络的训练步骤，直至满足预定收敛条件，其中，迭代执行所述第一网络的训练步骤包括：在多次迭代过程中，固定提取一个第一样本图像，替换地提取至少一个第二样本图像；当内容图像库中的第二样本图像提取完毕后，替换下一个第一样本图像，再替换地提取至少一个第二样本图像。

2.根据权利要求1所述的方法，其中，所述将所述第一图像和所述第二图像分别输入至所述第一网络中，并根据预设融合权值，在所述第一网络的加权运算层进行加权运算，得到与所述第一图像和所述第二图像的融合后的风格对应的第二网络进一步包括：

将所述第一图像输入至所述第一网络中，在所述第一网络中进行一次前向传播运算，确定所述第一图像对应的加权运算层数据；

将所述第二图像输入至所述第一网络中，在所述第一网络中进行一次前向传播运算，确定所述第二图像对应的加权运算层数据；

根据预设融合权值，在所述第一网络的加权运算层中对所述第一图像对应的加权运算层数据和所述第二图像对应的加权运算层数据进行加权运算，得到与所述第一图像和所述第二图像的融合后的风格对应的第二网络。

3.根据权利要求1所述的方法，其中，所述加权运算层为瓶颈层；所述瓶颈层为所述第一网络的卷积层中具有最小的向量维数的层次。

4.根据权利要求2所述的方法，其中，所述加权运算层数据为向量数据。

5.根据权利要求1所述的方法，其中，第一网络训练所用的样本图像包含：风格图像库存储的多个第一样本图像和内容图像库存储的多个第二样本图像。

6.根据权利要求1所述的方法，其中，所述第一网络的训练过程通过多次迭代完成；其中一次迭代过程包括：

利用与第一样本图像的风格对应的第三网络，生成与第二样本图像对应的第三样本图像；

根据所述第三样本图像与所述第一样本图像之间的风格损失以及所述第三样本图像与所述第二样本图像之间的内容损失，得到第一网络损失函数，利用所述第一网络损失函数实现第一网络的训练。

7.根据权利要求1所述的方法，其中，所述预定收敛条件包括：迭代次数达到预设迭代次数；和/或，所述第一网络损失函数的输出值小于预设阈值；和/或，与所述第二样本图像对应的第三样本图像的视觉效果参数达到预设视觉效果参数。

8.根据权利要求1所述的方法，所述将所述第一样本图像输入至第一网络中，得到与所述第一样本图像的风格对应的第三网络进一步包括：

从所述第一样本图像中提取风格纹理特征；

将所述风格纹理特征输入至第一网络中，得到与所述风格纹理特征对应的第三网络。

9.根据权利要求1-8中任一项所述的方法，所述第一网络为对神经网络进行训练得到的元网络，所述第二网络为图像转换网络。

10.根据权利要求1-8中任一项所述的方法，所述第三网络为在所述第一网络的训练过程中得到的转换网络。