[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

说明书

本发明提供了一种模型训练、图像处理方法、装置、电子设备、计算机可读存储介质，该训练方法包括：获取训练样本集，训练样本集包括第一图像和第二图像，第一图像包括清晰的人脸区域，第二图像为对第一图像的人脸区域作模糊处理后得到的图像；获取第二图像的人脸语义分割结果；将第二图像和人脸语义分割结果输入至神经网络模型，得到第三图像；识别第三图像和第一图像之间在人脸区域上的差异数据；根据差异数据对神经网络模型进行迭代更新；经过迭代更新的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的修复，生成人脸区域清晰的图像。本发明训练的神经网络模型能够对图像中模糊的人脸区域进行去模糊处理，提升人脸区域的清晰度。

技术领域

本发明涉及机器学习技术领域，特别是涉及一种模型训练、图像处理方法、装置、电子设备及计算机可读存储介质。

背景技术

随着计算机技术的不断发展，有越来越多的电子设备能够拍摄图像。但是基于各种原因，往往会造成拍摄的图像或者经过后期处理后的图像中人脸区域比较模糊的问题。造成图像模糊的原因有很多，例如拍摄图像的电子设备的硬件配置较低、拍摄环境较差、图像的后期处理降低了图像的分辨率、图像损坏等等。

目前，相关技术中尚无法对图像中模糊的人脸区域进行去模糊处理。

发明内容

本发明提供了一种模型训练、图像处理方法、装置、电子设备及计算机可读存储介质，以解决相关技术中的图像处理方案所存在的无法对图像中模糊的人脸区域进行去模糊处理的问题。

为了解决上述问题，根据本发明的第一方面，本发明公开了一种模型训练方法，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的修复，生成人脸区域清晰的图像。

根据本发明的第二方面，本发明公开了一种图像处理方法，包括：

获取待修复的第一图像，其中，所述第一图像包括模糊的人脸区域；

获取所述第一图像的人脸语义分割结果；

将所述第一图像和所述人脸语义分割结果输入至预先经过训练的人脸修复模型，以使得所述人脸修复模型根据所述人脸语义分割结果，对所述第一图像进行人脸区域的修复，生成人脸区域清晰的所述第二图像。

根据本发明的第三方面，本发明公开了一种模型训练装置，包括：

第一获取模块，用于获取训练样本集，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；

第二获取模块，用于获取所述第二图像的人脸语义分割结果；

输入模块，用于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；

识别模块，用于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；

更新模块，用于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的修复，生成人脸区域清晰的图像。