[发明专利]模型的训练方法、风格迁移方法、装置、设备及存储介质

说明书

本公开提供了一种模型的训练方法、风格迁移方法、装置、电设备及存储介质，涉及人工智能领域，具体涉及计算机视觉和深度学习技术。具体实现方案为：将样本内容图像以及样本风格图像输入预设模型，得到预设模型输出的语义分割图像以及样本风格化图像；其中，样本风格化图像具备样本风格图像的风格特征和样本内容图像的内容特征；基于样本风格化图像以及语义分割图像，确定总损失函数；基于总损失函数进行反向传导更新预设模型，得到目标模型。采用本公开的实施例，可以更完整地保留内容图像的内容特征，使得内容特征明确。

技术领域

本公开涉及计算机技术领域，尤其涉及人工智能技术领域，具体涉及计算机视觉和深度学习技术领域。

背景技术

风格迁移是一种将一张图像作为风格图像，将另一张图像作为内容图像，将风格图像的色彩、纹理等风格特征迁移到内容图像上，使得内容图像的视觉风格与风格图像相似。目前，风格迁移基本集中在艺术类风格图像的风格特征迁移，使得结果图像更偏向艺术化，无法对内容图像的内容或结构等内容特征进行较好保留。

发明内容

本公开提供了一种模型的训练方法、风格迁移方法、装置、设备及存储介质。

根据本公开的第一方面，提供了一种模型的训练方法，包括：

将样本内容图像以及样本风格图像输入预设模型，得到预设模型输出的语义分割图像以及样本风格化图像；其中，样本风格化图像具备样本风格图像的风格特征和样本内容图像的内容特征；

基于样本风格化图像以及语义分割图像，确定总损失函数；

基于总损失函数进行反向传导更新预设模型，得到目标模型。

根据本公开的第二方面，提供了一种风格迁移方法，包括：

获取待处理内容图像和待处理风格图像；

将待处理内容图像和待处理风格图像输入目标模型，得到目标模型输出的风格化图像；

其中，目标模型采用本公开任一实施例中的训练方法训练得到。

根据本公开的第三方面，提供了一种模型的训练装置，包括：

第一输入模块，用于将样本内容图像以及样本风格图像输入预设模型，得到预设模型输出的语义分割图像以及样本风格化图像；其中，样本风格化图像具备样本风格图像的风格特征和样本内容图像的内容特征；

第一确定模块，用于基于样本风格化图像以及语义分割图像，确定总损失函数；

更新模块，用于基于总损失函数进行反向传导更新预设模型，得到目标模型。

根据本公开的第四方面，提供了一种风格迁移装置，包括：

第二获取模块，用于获取待处理内容图像和待处理风格图像；

第三输入模块，用于将待处理内容图像和待处理风格图像输入目标模型，得到目标模型输出的风格化图像；

其中，目标模型采用本公开任一实施例中的训练方法训练得到。

根据本公开的第五方面，提供了一种电子设备，包括：

至少一个处理器；以及

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。

根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开任一实施例中的方法。