[发明专利]人眼图像处理模型的训练方法、图像处理方法及装置有效

专利信息
申请号: 202110014666.2 申请日: 2021-01-06
公开(公告)号: CN112329752B 公开(公告)日: 2021-04-06
发明(设计)人: 余晓铭;周易;易阳;涂娟辉;李峰;左小祥 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06N3/04;G06N3/08
代理公司: 北京派特恩知识产权代理有限公司 11270 代理人: 王花丽;张颖玲
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 处理 模型 训练 方法 装置
【权利要求书】:

1.一种人眼图像处理模型的训练方法,其特征在于,所述方法包括:

获取与人眼图像处理模型的使用环境相匹配的待矫正人眼图像集合;

通过所述人眼图像处理模型的风格迁移网络,对所述待矫正人眼图像集合中的不同待矫正人眼图像分别进行处理,形成目标人眼图像;

基于所述待矫正人眼图像和所述目标人眼图像,确定与人眼图像处理模型的使用环境相匹配的训练样本,其中,所述训练样本中包括与不同视线位置相匹的用户人眼图像;

通过与人眼图像处理模型的使用环境相匹配的训练样本集合,对人眼图像处理模型的矫正网络进行训练,确定与所述人眼图像处理模型的矫正网络相适配的模型参数,以实现通过所述人眼图像处理模型对使用环境中的人眼图像进行矫正。

2.根据权利要求1所述的方法,其特征在于,所述获取与人眼图像处理模型的使用环境相匹配的待矫正人眼图像集合,包括:

获取所述人眼图像处理模型的使用环境中的终端所采集的人脸图像;

对所述人脸图像进行图像增广处理;

基于图像增广的处理结果,通过人眼图像处理算法确定相应的人脸位置坐标,并截取包括完整人眼图像的人脸图像;

通过所述人眼图像处理模型的深度处理网络对所述包括完整人眼图像的人脸图像进行处理,形成相应的深度图作为与所述人眼图像处理模型的使用环境相匹配的待矫正人眼图像集合中的任一训练样本。

3.根据权利要求1所述的方法,其特征在于,所述通过所述人眼图像处理模型的风格迁移网络,对所述待矫正人眼图像集合中的不同待矫正人眼图像分别进行处理,形成目标人眼图像,包括:

根据人眼图像处理模型的使用环境,确定与所述人眼图像处理模型的使用环境相对应的风格迁移网络的模型参数;

基于与所述人眼图像处理模型的使用环境相对应的风格迁移网络的模型参数,对所述人眼图像处理模型的风格迁移网络的模型参数进行调整;

通过所述人眼图像处理模型的风格迁移网络,对所述待矫正人眼图像集合中的不同待矫正人眼图像分别进行处理,形成目标人眼图像,其中,所述目标人眼图像的风格特征与目标对象的视线位置相匹。

4.根据权利要求1所述的方法,其特征在于,所述通过与人眼图像处理模型的使用环境相匹配的训练样本集合,对人眼图像处理模型的矫正网络进行训练,确定与所述人眼图像处理模型的矫正网络相适配的模型参数,包括:

通过所述人眼图像处理模型中矫正网络的编码器和解码器,对新的训练样本集合进行处理,以确定所述矫正网络的编码器和解码器的初始参数;

响应于所述矫正网络的编码器和解码器的初始参数,通过所述矫正网络的编码器和解码器对所述新的训练样本集合进行处理,确定所述矫正网络的编码器和解码器的更新参数;

根据所述矫正网络的编码器和解码器的更新参数,通过所述新的训练样本集合对所述矫正网络的编码器和解码器的参数进行迭代更新。

5.根据权利要求4所述的方法,其特征在于,所述响应于所述矫正网络的编码器和解码器的初始参数,通过所述矫正网络的编码器和解码器对所述新的训练样本集合进行处理,确定所述矫正网络的编码器和解码器的更新参数,包括:

将所述新的训练样本集合中不同训练样本,代入由所述矫正网络的编码器和解码器所对应的损失函数;

确定所述损失函数满足相应的收敛条件时所述矫正网络的编码器和解码器对应所述更新参数。

6.根据权利要求1所述的方法,其特征在于,所述方法还包括:

获取所述人眼图像处理模型的使用环境中的终端所采集的人脸图像,并对所述人脸图像进行随机增广处理;

将经过随机增广处理的人脸图像进行随机扭曲处理,得到扭曲的所述人脸图像;

截取扭曲的所述人脸图像中人眼图像,并对所述截取的人眼图像进行缩放处理,以适配编码器支持输入的分辨率。

7.根据权利要求6所述的方法,其特征在于,所述对人脸图像进行随机增广处理,包括:

基于所述人脸图像的中心进行随机旋转;

将随机旋转后的所述人脸图像进行随机缩放;

将随机缩放后所述人脸图像进行随机平移。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110014666.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top