[发明专利]图像渲染方法、装置及电子设备

权利要求书

1.一种图像渲染方法，其特征在于，包括：

对获取到的包含目标对象的多个图像进行权重处理，使所述目标对象上的目标元素具有第一权重值；

基于所述第一权重值，通过预测模型对所述多个图像中的目标对象进行预测，得到目标对象的预测图；

通过每个图像的二维图像信息和所述预测图，构建最小化目标函数，所述最小化目标函数用于训练所述预测模型，使所述预测模型的预测精度达到预设值；

利用训练完成后的预测模型，确定与输入信息相匹配目标对象的渲染颜色。

2.根据权利要求1所述的方法，其特征在于，所述对获取到的包含目标对象的多个图像进行权重处理，包括：

收集包含目标对象的多个图像；

判断目标对象上是否包含目标元素；

若是，则为目标元素设置第一权重值，为目标对象上的非目标元素设置第二权重值，所述第一权重值大于第二权重值。

3.根据权利要求1所述的方法，其特征在于，所述通过预测模型对所述多个图像中的目标对象进行预测，得到目标对象的预测图，包括：

采用x、y分别来表示获取到的多个图像及目标元素渲染值，其中，第i个图像上目标元素渲染值用(xi，yi)表示。

4.根据权利要求3所述的方法，其特征在于，所述通过预测模型对所述多个图像中的目标对象进行预测，得到目标对象的预测图，包括：

设置对图像进行分类预测的神经网络模型g，所述神经网络模型g包括卷积层、池化层和采样层；

利用所述神经网络模型g产生第i个图像上目标元素的渲染预测值g(xi)。

5.根据权利要求4所述的方法，其特征在于，所述利用所述神经网络模型g产生第i个图像上目标元素的渲染预测值g(xi)，包括：

设置所述神经网络模型g中卷积层和采样层的数目分别大于2个，在所述卷积层之后，采用最大池化的方式对第i个图像进行池化处理。

6.根据权利要求4所述的方法，其特征在于，所述通过每个图像的二维图像信息和所述预测图，构建最小化目标函数，包括：

针对第i个图像xi上目标元素的渲染值yi及第i个图像的渲染预测值g(xi)，构建最小化目标函数f(x，y)＝wi*||g(xi)-yi||^2，其中wi为第一权重值。

7.根据权利要求6所述的方法，其特征在于，所述通过每个图像的二维图像信息和所述预测图，构建最小化目标函数之后，所述方法还包括：

利用所述最小化目标函数对神经网络模型g进行多次迭代，求取所述最小化目标函数的最小值。

8.根据权利要求7所述的方法，其特征在于，所述求取所述最小化目标函数的最小值，包括：

设置针对所述最小化目标函数的迭代周期；

在对所述神经网络模型g完成迭代周期的计算之后，判断目标元素的渲染值预测精确度是否低于非目标元素的渲染值预测精度；

若是，则进一步提高第一权重值的数值。

9.根据权利要求2所述的方法，其特征在于，所述利用训练完成后的预测模型，确定与输入信息相匹配目标对象的渲染颜色，包括：

获取针对所述目标对象的输入信息，对所述输入信息进行解析，得到第一解析结果；

生成所述第一解析结果匹配的目标元素的第一渲染值以及非目标元素的第二渲染值；

利用所述第一渲染值和第二渲染值对目标元素和非目标元素进行色彩渲染。