[发明专利]融合图像处理模型的训练方法、图像处理方法、装置及存储介质

说明书

本发明提供了融合图像处理模型的训练方法，包括：根据原始图像集中的单一待替换脸部，更新单一图像处理模型的编码器的参数和所述单一图像处理模型的解码器的参数，在保持所述单一图像处理模型的编码器和解码器的参数不变的情况下，根据所述原始图像集中的不同待替换脸部和不同目标脸部更新融合图像处理模型的编码器和融合图像处理模型的解码器的参数。本发明还提供了融合图像处理模型的图像处理方法、装置及存储介质。本发明能够在保证融合图像处理模型的识别精度的情况下批量处理不同的图像，压缩融合图像处理模型所占用的存储资源。

技术领域

本发明涉及图像处理技术，尤其涉及融合图像处理模型的训练方法、图像处理方法、装置及存储介质。

背景技术

在电影特效和互联网社交等应用中，存在保持原始图像集(例如图片集或者视频帧集)中人物的脸部(也称为待替换脸部)的风格的情况下，批量的将待替换脸部替换为其他人物的脸部(也称为目标脸部)的需求。为此，人工智能技术(AI，ArtificialIntelligence)提供了训练适当的图像处理模型来支持上述应用的方案。其中，人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法和技术及应用系统人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能，在图像处理领域中也就是通过利用数字计算机或者数字计算机控制的机器实现批量的将待替换脸部替换为其他人物的脸部的操作。

融合图像处理模型是基于特定的待替换脸部和目标脸部进行训练的，当不同待替换脸部发生更新时，需要对的单一图像处理模型中的参数进行全量的更新，训练单一图像处理模型的效率受到影响，进而影响了图像处理模型在生产环境中上线以实现上述应用的效率，同时，能够实现批量处理图像的图像处理模型在部署时存储复杂度较高，占用了大量的存储资源。

发明内容

有鉴于此，本发明实施例提供融合图像处理模型的训练方法、图像处理方法、装置及存储介质，能够保证图像处理模型的识别精度的情况下提升融合图像处理模型的训练效率，实现对图像的批量处理，训练完成的融合图像处理模型的复杂度低，节省存储资源。

本发明实施例的技术方案是这样实现的：

本发明实施例提供了一种融合图像处理模型的训练方法，包括：

根据原始图像集中的单一待替换脸部，更新单一图像处理模型的编码器的参数和所述单一图像处理模型的解码器的参数，以使，

所述单一图像处理模型的解码器能够基于所述单一待替换脸部的风格特征进行解码，且解码得到与所述单一待替换脸部具有相同风格的单一目标脸部；

在保持所述单一图像处理模型的编码器和解码器的参数不变的情况下，根据所述原始图像集中的不同待替换脸部和不同目标脸部更新融合图像处理模型的编码器和所述融合图像处理模型的解码器的参数，以使，

所述融合图像处理模型中的解码器能够基于不同待替换脸部的风格特征进行解码，且解码得到与相应待替换脸部具有相同风格的不同目标脸部。

上述方案中，

所述在保持所述单一图像处理模型的编码器的参数不变的情况下，根据单一目标图像中单一目标脸部的风格特征更新所述解码器的参数，包括：

将扭曲单一目标图像中单一目标脸部的五官图像，代入由所述单一图像处理模型的编码器和所述解码器构成的自编码网络对应的损失函数；

在保持所述损失函数中对应所述单一图像处理模型的编码器的参数不变的情况下，执行以下处理：确定所述损失函数满足收敛条件时对应所述解码器的参数；其中，所述扭曲单一目标图像是对所述单一目标图像进行扭曲处理得到。

上述方案中，

当根据原始图像集中的单一待替换脸部，更新所述单一图像处理模型中编码器的参数之前，所述方法还包括：