[发明专利]用于生成图像的方法和装置

权利要求书

1.一种用于生成图像的方法，其特征在于，所述方法包括：

获取待处理人脸图像，其中，所述待处理人脸图像的图像分辨率低于预先设定的第一分辨率阈值；

将所述待处理人脸图像输入预先训练的生成模型，生成处理后的人脸图像，所述生成模型是通过以下训练步骤得到的：

将人脸样本图像输入初始生成模型，由所述初始生成模型输出人脸生成图像，其中，所述人脸样本图像的图像分辨率低于所述第一分辨率阈值；

将由所述人脸样本图像的像素矩阵和所述人脸生成图像的像素矩阵组成的二元组输入预先训练的判别模型，由所述判别模型输出所述人脸样本图像和所述人脸生成图像组成的图像组为正样本数据的概率，其中，所述正样本数据包括图像分辨率高于第二分辨率阈值的第一真实人脸图像和基于所述第一真实人脸图像生成的、图像分辨率低于所述第一分辨率阈值的第二真实人脸图像；

基于所述概率得到所述初始生成模型的损失函数，并利用所述损失函数更新所述初始生成模型的模型参数，得到生成模型，其中，所述基于所述概率得到所述初始生成模型的损失函数，包括：基于所述概率和所述人脸生成图像与标准人脸图像之间的相似度确定所述初始生成模型的损失函数，其中，所述标准人脸图像和单张所述人脸生成图像包含同一人的人脸信息，其中，所述标准人脸图像为证件照。

2.根据权利要求1所述的方法，其特征在于，所述基于所述概率和所述人脸生成图像与标准人脸图像之间的相似度确定所述初始生成模型的损失函数，包括：

使用预先训练的识别模型分别提取所述人脸生成图像的特征信息和所述标准人脸图像的特征信息，并计算所述人脸生成图像的特征信息与所述标准人脸图像的特征信息之间的欧式距离；

根据所述概率和所述欧式距离得到所述初始生成模型的损失函数。

3.根据权利要求1所述的方法，其特征在于，所述初始生成模型是通过以下方式训练得到的：

利用机器学习方法，将图像分辨率低于所述第一分辨率阈值的第一人脸样本图像作为输入，将图像分辨率超过所述第二分辨率阈值的第二人脸样本图像作为输出，训练得到初始生成模型，其中，所述第一人脸样本图像和所述第二人脸样本图像包含同一人的人脸信息。

4.根据权利要求1所述的方法，其特征在于，所述判别模型是通过以下方式训练得到的：

利用机器学习方法，将第一样本数据作为输入，将第一样本数据的标注信息作为输出，训练得到判别模型，其中，所述第一样本数据包括带有标注信息的正样本数据和带有标注信息负样本数据，其中，所述正样本数据包括图像分辨率高于所述第二分辨率阈值的第一真实人脸图像和基于所述第一真实人脸图像得到的、图像分辨率低于所述第一分辨率阈值的第二真实人脸图像，所述负样本数据包括图像分辨率低于所述第一分辨率阈值的第三真实人脸图像和所述生成模型基于所述第三真实人脸图像输出的人脸图像。

5.根据权利要求2所述的方法，其特征在于，所述识别模型是通过以下方式训练得到的：

利用机器学习方法，将第三人脸样本图像作为输入，所述第三人脸样本图像的特征信息作为输出，训练得到识别模型。