[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

说明书

本发明公开了一种图像转换网络获取方法、装置、计算设备及计算机存储介质，其中，图像转换网络获取方法基于经过训练的第一网络而执行，该方法包括：获取第一图像和第二图像；将第一图像和第二图像分别输入至第一网络中，并根据预设融合权值，在第一网络的加权运算层进行加权运算，得到与第一图像和第二图像的融合后的风格对应的第二网络。本发明提供的技术方案利用经过训练的第一网络能够快速地得到与两个风格图像的融合后的风格对应的图像转换网络，有效地提高了获得图像转换网络的效率，优化了图像转换网络处理方式。

技术领域

本发明涉及图像处理技术领域，具体涉及一种图像转换网络获取方法、装置、计算设备及计算机存储介质。

背景技术

利用图像风格化处理技术，能够将风格图像上的风格转移到日常拍摄的图像上，使得图像能够获得更好的视觉效果。在现有技术中，是将一个给定的风格图像直接输入至一个神经网络(neural network)中，接着利用大量的内容图像作为样本图像，经过多次迭代训练得到与给定的风格图像对应的图像转换网络，然后利用该图像转换网络实现输入内容图像的风格转换。这将会需要很长的训练时间，导致获得图像转换网络的效率低下，另外，利用现有技术也很难得到与两个风格图像的融合后的风格对应的图像转换网络。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的图像转换网络获取方法、装置、计算设备及计算机存储介质。

根据本发明的一个方面，提供了一种图像转换网络获取方法，该方法基于经过训练的第一网络而执行，该方法包括：

获取第一图像和第二图像；

将第一图像和第二图像分别输入至第一网络中，并根据预设融合权值，在第一网络的加权运算层进行加权运算，得到与第一图像和第二图像的融合后的风格对应的第二网络。

进一步地，将第一图像和第二图像分别输入至第一网络中，并根据预设融合权值，在第一网络的加权运算层进行加权运算，得到与第一图像和第二图像的融合后的风格对应的第二网络进一步包括：

将第一图像输入至第一网络中，在第一网络中进行一次前向传播运算，确定第一图像对应的加权运算层数据；

将第二图像输入至第一网络中，在第一网络中进行一次前向传播运算，确定第二图像对应的加权运算层数据；

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

进一步地，加权运算层为瓶颈层；瓶颈层为第一网络的卷积层中具有最小的向量维数的层次。

进一步地，加权运算层数据为向量数据。

进一步地，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。

进一步地，第一网络的训练过程通过多次迭代完成；在一次迭代过程中，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，利用一个第一样本图像和至少一个第二样本图像实现第一网络的训练。

进一步地，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。

进一步地，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；

根据第三样本图像与第一样本图像之间的风格损失以及第三样本图像与第二样本图像之间的内容损失，得到第一网络损失函数，利用第一网络损失函数实现第一网络的训练。