[发明专利]图像的风格迁移方法、装置、终端及存储介质

权利要求书

1.一种图像的风格迁移方法，其特征在于，所述方法包括：

从终端的存储组件中获取目标图像；

获取n种图像风格各自对应的权重，所述n种图像风格各自对应的权重之和为1，n为不小于2的正整数；

根据所述n种图像风格中每一种图像风格对应的权重和独立风格迁移参数，生成混合风格迁移参数；

根据所述混合风格迁移参数，对所述目标图像进行风格迁移。

2.根据权利要求1所述的方法，其特征在于，所述根据所述n种图像风格中每一种图像风格对应的权重和独立风格迁移参数，生成混合风格迁移参数，包括：

获取所述n种图像风格中的第i种图像风格对应的第i权重和第i独立风格迁移参数，i为不大于n的正整数；

将所述第i权重和所述第i独立风格迁移参数的乘积，确定为第i风格迁移量，所述第i风格迁移量共有n个；

将n个所述第i风格迁移量求和，获得所述混合风格迁移参数。

3.根据权利要求2所述的方法，其特征在于，所述根据所述混合风格迁移参数，对所述目标图像进行风格迁移，包括：

将所述混合风格迁移参数输入到多风格迁移模型中，通过所述多风格迁移模型根据所述混合风格迁移参数，对所述目标图像进行风格迁移；

其中，所述多风格迁移模型是卷积神经网络模型，所述多风格迁移模型是通过目标训练数据集训练得到的模型，所述目标训练数据集包括内容图片数据集和风格图片数据集，所述风格图片数据集包括所述n种图像风格对应的n张风格图片。

4.根据权利要求3所述的方法，其特征在于，在所述将所述混合风格迁移参数输入到多风格迁移模型中，通过所述多风格迁移模型根据所述混合风格迁移参数，对所述目标图像进行风格迁移之前，所述方法还包括：

获取所述目标训练数据集，所述目标训练数据集中的一张所述风格图片和一张内容图片组成一个训练样本，所述内容图片属于所述内容图片数据集；

通过所述多风格迁移模型对所述内容图片进行风格迁移处理，得到训练结果图像；

根据所述风格图片的风格特征、所述内容图片的内容特征、所述训练结果图像的内容特征和所述训练结果图像的风格特征，获得所述多风格迁移模型的损失函数；

根据所述损失函数训练所述多风格迁移模型，得到经过训练的所述多风格迁移模型。

5.根据权利要求4所述的方法，其特征在于，所述根据所述风格图片的风格特征、所述内容图片的内容特征、所述训练结果图像的内容特征和所述训练结果图像的风格特征，获得所述多风格迁移模型的损失函数，包括：

根据所述内容图片的内容特征和所述训练结果图像的内容特征，确定内容损失函数；

根据所述风格图像的风格特征和所述训练结果图像的风格特征，确定风格损失函数；

根据所述内容损失函数和所述风格损失函数，确定所述多风格迁移模型的损失函数。

6.根据权利要求3至5任一所述的方法，其特征在于，所述多风格迁移模型中包括深度可分离卷积层、实例归一层、非线性激活层、最近邻上采样层和输出层；

所述深度可分离卷积层，用于对所述内容图像进行深度卷积运算，得到第一输出特征；对所述第一输出特征进行逐点卷积运算，得到第二输出特征；

所述实例归一层，用于根据迁移风格参数，对所述第二输出特征进行归一化，得到第三输出特征，所述迁移风格参数是指所述内容图像对应的迁移风格的参数；

所述非线性激活层，用于对所述第三输出特征进行非线性运算，得到第四输出特征；

所述最近邻上采样层，用于对所述第四输出特征进行插值运算，得到分辨率大于所述第四输出特征的分辨率的第五输出特征；

所述输出层，用于对所述第五输出特征进行卷积运算后，输出所述训练结果图像。