[发明专利]模型训练、图像处理方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种模型训练方法，其特征在于，包括：

获取训练样本集，所述训练样本集包括第一图像和第二图像，其中，所述第一图像包括清晰的人脸区域，所述第二图像为对所述第一图像的人脸区域作模糊处理后得到的图像；

获取所述第二图像的人脸语义分割结果；

将所述第二图像和所述人脸语义分割结果输入至神经网络模型，得到第三图像；

识别所述第三图像和所述第一图像之间在人脸区域上的差异数据；

根据所述差异数据对所述神经网络模型进行迭代更新；

其中，经过迭代更新的所述神经网络模型用于对任意一个人脸区域模糊的图像进行人脸区域中部件的修复，生成人脸区域清晰的图像；

所述识别所述第三图像和所述第一图像之间在人脸区域上的差异数据，包括：

识别所述第三图像和所述第一图像之间在图像特征上的第一损失数据；

根据所述人脸语义分割结果，识别所述第三图像和所述第一图像之间在目标人脸部件上的第二损失数据；

识别所述第三图像和所述第一图像之间在像素点上的第三损失数据；

根据预设的图像特征权重、人脸部件权重、像素点权重，对所述第一损失数据、所述第二损失数据和所述第三损失数据进行加权求和，得到所述第三图像和所述第一图像之间在人脸区域上的差异数据。

2.根据权利要求1所述的方法，其特征在于，

所述获取所述第二图像的人脸语义分割结果，包括：

获取与所述第二图像匹配的第二图像矩阵；

将所述第二图像矩阵输入至预先经过训练的人脸语义分割模型，得到与多个人脸部件匹配的全局人脸语义分割矩阵；

所述将所述第二图像和所述人脸语义分割结果输入至神经网络模型，得到第三图像，包括：

将所述第二图像矩阵和所述全局人脸语义分割矩阵作矩阵连接处理；

将经过所述矩阵连接处理后的矩阵数据输入至神经网络模型，得到第三图像。

3.根据权利要求1所述的方法，其特征在于，所述识别所述第三图像和所述第一图像之间在图像特征上的第一损失数据，包括：

将所述第三图像和所述第一图像分别输入至预先经过训练的图像特征提取模型，得到所述第三图像的图像特征数据以及所述第一图像的图像特征数据；

根据所述第三图像的图像特征数据与所述第一图像的图像特征数据之间的差异，获取所述第三图像和所述第一图像之间在图像特征上的第一损失数据。

4.根据权利要求1所述的方法，其特征在于，

所述获取所述第二图像的人脸语义分割结果，包括：

获取与所述第二图像匹配的第二图像矩阵；

将所述第二图像矩阵输入至预先经过训练的人脸语义分割模型，得到与多个人脸部件匹配的全局人脸语义分割矩阵；

所述根据所述人脸语义分割结果，识别所述第三图像和所述第一图像之间在目标人脸部件上的第二损失数据，包括：

获取与所述第三图像匹配的第三图像矩阵；

获取与所述第一图像匹配的第一图像矩阵；

获取所述第三图像矩阵和所述第一图像矩阵之间的差异矩阵；

获取所述全局人脸语义分割矩阵中，与所述目标人脸部件匹配的局部人脸语义分割矩阵；

将所述局部人脸语义分割矩阵和所述差异矩阵作点乘运算，得到与所述目标人脸部件匹配的子损失数据；

将与多个所述目标人脸部件匹配的多个所述子损失数据求和，得到所述第三图像和所述第一图像之间在目标人脸部件上的第二损失数据。

5.根据权利要求1所述的方法，其特征在于，所述根据所述差异数据对所述神经网络模型进行迭代更新，包括：

根据所述差异数据对所述神经网络模型进行迭代更新，直至所述差异数据收敛。