[发明专利]图像处理方法、神经网络模型的训练方法及装置

权利要求书

1.一种图像处理方法，其特征在于，包括：

基于第一神经网络提取待处理图像的深度信息；

根据所述深度信息并基于所述第一神经网络对所述待处理图像进行立体化处理；

其中，第一神经网络的训练方法，包括：

分别训练网络层具有不同通道数且结构相同的至少二个神经网络；

比较各自训练后的神经网络的图像处理效果的差异；

响应于图像处理效果的差异满足预定容许条件，将网络层具有最少通道数的神经网络确定为待进行图像处理的神经网络；

其中，所述至少二个神经网络的训练方法为：经待训练的神经网络对训练图像进行处理以生成合成图像；

至少提取所述训练图像的深度信息和所述合成图像的深度信息；

确定训练图像的深度信息和所述合成图像的深度信息之间的深度损失信息；

至少基于所述深度损失信息调整神经网络的网络参数。

2.根据权利要求1所述的图像处理方法，其特征在于，所述图像处理方法还包括：

基于第二神经网络提取所述待处理图像的图像内容信息；

根据所述图像内容信息并基于所述第二神经网络对所述待处理图像进行风格化处理，其中，风格化处理后的图像的纹理特征与所述第二神经网络预先训练所基于的目标风格图像的纹理特征匹配。

3.一种神经网络模型的训练方法，其特征在于，包括：

分别训练网络层具有不同通道数且结构相同的至少二个神经网络；

比较各自训练后的神经网络的图像处理效果的差异；

响应于图像处理效果的差异满足预定容许条件，将网络层具有最少通道数的神经网络确定为待进行图像处理的神经网络；

其中，所述至少二个神经网络的训练方法为：经待训练的神经网络对训练图像进行处理以生成合成图像；

至少提取所述训练图像的深度信息和所述合成图像的深度信息；

确定训练图像的深度信息和所述合成图像的深度信息之间的深度损失信息；

至少基于所述深度损失信息调整神经网络的网络参数。

4.根据权利要求3所述的训练方法，其特征在于，至少提取所述训练图像的深度信息和所述合成图像的深度信息，包括：提取所述合成图像的图像内容信息、纹理特征信息和深度信息，以及提取所述训练图像的深度信息和内容信息；

所述训练方法还包括：确定所述训练图像的图像内容信息和所述合成图像的内容信息之间的内容损失信息、以及所述训练图像的纹理特征信息和预定目标风格图像的纹理特征信息之间的纹理损失信息；

所述至少基于所述深度损失信息调整神经网络的网络参数，包括：根据所述内容损失信息、所述纹理损失信息和所述深度损失信息调整神经网络的网络参数。

5.一种图像处理装置，其特征在于，包括：

第一深度信息提取模块，用于基于第一神经网络提取待处理图像的深度信息，其中，第一神经网络的训练方法，包括：分别训练网络层具有不同通道数且结构相同的至少二个神经网络；比较各自训练后的神经网络的图像处理效果的差异；响应于图像处理效果的差异满足预定容许条件，将网络层具有最少通道数的神经网络确定为待进行图像处理的神经网络；其中，所述至少二个神经网络的训练方法为：经待训练的神经网络对训练图像进行处理以生成合成图像；至少提取所述训练图像的深度信息和所述合成图像的深度信息；确定训练图像的深度信息和所述合成图像的深度信息之间的深度损失信息；至少基于所述深度损失信息调整神经网络的网络参数；

第一立体化处理模块，用于根据所述深度信息并基于所述第一神经网络对所述待处理图像进行立体化处理。