[发明专利]一种图像中移除目标物体的方法、装置及电子设备

权利要求书

1.一种图像中移除目标物体的方法，其特征在于，所述方法包括：

将包含待移除的目标物体的第一子图像的第一图像，及预先获取的所述第一子图像在所述第一图像中的目标位置信息输入到预先训练完成的网络模型中，获取所述网络模型输出的在所述第一图像中的所述目标位置信息处移除了所述第一子图像的第二图像；

其中，所述网络模型的训练过程包括：

获取训练样本集中的每个第五图像，其中每个第五图像中包含待移除的物体的第三子图像；

针对每个第五图像，将该第五图像及预先获取的该第五图像中待移除的物体的第三子图像在该第五图像中的第二位置信息输入到所述网络模型中，获取所述网络模型输出的在所述第五图像中的所述第二位置信息处移除了所述第三子图像的第六图像，及包含所述物体的第七图像；将所述第六图像，所述第七图像及所述第二位置信息输入到所述网络模型的反向网络模型中，获取所述反向网络模型输出的在所述第六图像的所述第二位置信息处添加了所述第七图像中的物体的第八图像；

根据每个第五图像和第八图像的相似度，对所述网络模型进行训练。

2.如权利要求1所述的方法，其特征在于，所述网络模型的训练过程包括：

获取训练样本集中的每个第三图像，其中每个第三图像中包含待移除的物体的第二子图像；

针对每个第三图像，将该第三图像，及预先获取的该第三图像中待移除的物体的第二子图像在该第三图像中的第一位置信息输入到所述网络模型中，获取所述网络模型输出的在所述第三图像中的所述第一位置信息处移除了所述第二子图像的第四图像；将所述第四图像输入到预先训练完成的辨别器网络模型中，获取所述辨别器网络模型输出的辨别结果信息，其中所述辨别结果信息为真实图像或虚假图像；

根据每个辨别结果信息，对所述网络模型进行训练。

3.如权利要求1所述的方法，其特征在于，所述反向网络模型的训练过程包括：

获取训练样本集中的每个第十三图像和每个第十四图像，其中每个第十四图像中包含待添加的物体的第五子图像；

针对每个第十三图像，选取任一第十四图像，将该第十三图像，该第十四图像及预先获取的所述第十三图像中的第四位置信息输入到所述反向网络模型中，获取所述反向网络模型输出的在所述第十三图像的所述第四位置信息添加了所述第五子图像的第十五图像；将所述第十五图像输入到预先训练完成的辨别器网络模型中，获取所述辨别器网络模型输出的辨别结果信息，其中所述辨别结果信息为真实图像或虚假图像；

根据每个辨别结果信息，对所述反向网络模型进行训练。

4.如权利要求2或3所述的方法，其特征在于，所述辨别器网络模型的训练过程包括：

获取样本图像，其中所述样本图像中标注了该样本图像对应的辨别标识信息，其中所述辨别标识信息包括真实图像和虚假图像；

将每个样本图像输入到所述辨别器网络模型中，根据辨别器网络模型针对每个样本图像输出的辨别结果信息，及每个样本图像对应的辨别标识信息，对所述辨别器网络模型进行训练，其中辨别结果信息标识输入的图像是真实图像还是虚假图像。

5.一种图像中移除目标物体的方法，其特征在于，所述方法包括：

将包含待移除的目标物体的第一子图像的第一图像，及预先获取的所述第一子图像在所述第一图像中的目标位置信息输入到预先训练完成的网络模型中，获取所述网络模型输出的在所述第一图像中的所述目标位置信息处移除了所述第一子图像的第二图像；

其中，所述网络模型的训练过程包括：

获取训练样本集中的每个第九图像和每个第十图像，其中每个第十图像中包含待添加的物体的第四子图像；

针对每个第九图像，选取任一第十图像，将该第九图像，该第十图像及预先获取的所述第九图像中的第三位置信息输入到所述网络模型的反向网络模型中，获取所述反向网络模型输出的在所述第九图像的所述第三位置信息添加了所述第四子图像的第十一图像；将所述第十一图像和所述第三位置信息输入到所述网络模型中，获取所述网络模型输出的在所述第十一图像的所述第三位置信息移除了所述第三位置信息中的所述第四子图像的第十二图像；

根据每个第九图像和第十二图像的相似度，对所述网络模型进行训练。