[发明专利]图像生成的方法、装置、系统及计算机存储介质

说明书

本发明实施例提供了一种图像生成的方法、装置、系统及计算机存储介质。该方法包括：获取通过训练得到的生成对抗网络，所述生成对抗网络包括生成模型和判别模型，且所述生成模型的输出图像与所述生成模型的输入图像具有不同的遮挡状态；将初始图像输入所述已训练好的生成模型，将所述生成模型的输出图像作为目标图像。由此可见，本发明实施例中能够训练得到生成对抗网络，且该生成对抗网络的生成模型能够生成具有不同遮挡状态的目标图像，进一步其可以被添加至已有数据集从而生成新的数据集，进一步可以得到包括不同遮挡状态数据的数据集，可以用于对不同遮挡状态的目标的识别，保证了识别的准确率。

技术领域

本发明涉及图像处理领域，更具体地涉及一种图像生成的方法、装置、系统及计算机存储介质。

背景技术

在诸如安防识别、抓拍识别等人脸识别的场景，待识别的用户可能会佩戴墨镜、口罩等，造成人脸的一部分被遮挡。

基于深度学习的神经网络方法通常需要大量数据进行训练才能取得很好的效果，因此，针对部分被遮挡的人脸识别的场景中，需要构建包括有遮挡人脸图像的数据集以用于训练。

发明内容

考虑到上述问题而提出了本发明。本发明提供了一种图像生成的方法、装置、系统及计算机存储介质，能够通过训练得到生成对抗网络以获取具有不同遮挡状态的目标图像。

根据本发明的一方面，提供了一种图像生成的方法，所述方法包括：

获取通过训练得到的生成对抗网络，所述生成对抗网络包括生成模型和判别模型，且所述生成模型的输出图像与所述生成模型的输入图像具有不同的遮挡状态；

将初始图像输入所述已训练好的生成模型，将所述生成模型的输出图像作为目标图像。

在本发明的一个实施例中，所述生成模型包括第一生成模型和第二生成模型，所述判别模型包括第一判别模型和第二判别模型，

所述获取通过训练得到的生成对抗网络，包括：

将第一已有图像作为所述第一生成模型的输入，得到第一输出图像；

将所述第一输出图像作为所述第二生成模型的输入，得到第二输出图像；

将第二已有图像作为所述第二生成模型的输入，得到第三输出图像；

将所述第三输出图像作为所述第一生成模型的输入，得到第四输出图像；

将所述第一输出图像作为所述第一判别模型的输入，得到第一输出值；

将所述第二输出图像作为所述第二判别模型的输入，得到第二输出值；

将所述第三输出图像作为所述第二判别模型的输入，得到第三输出值；

将所述第四输出图像作为所述第一判别模型的输入，得到第四输出值；

根据预定义的损失函数，对所述生成模型和所述判别模型进行训练，直到收敛；

其中，所述第一已有图像、所述第二输出图像、所述第三输出图像为有遮挡人脸图像，所述第二已有图像、所述第一输出图像、所述第四输出图像为无遮挡人脸图像，所述损失函数与所述第一已有图像、所述第二已有图像、所述第一输出图像、所述第二输出图像、所述第三输出图像、所述第四输出图像、所述第一输出值、所述第二输出值、所述第三输出值和所述第四输出值有关。

在本发明的一个实施例中，所述损失函数表示为：