[发明专利]图像增强模型的训练方法、图像增强方法及电子设备

权利要求书

1.一种图像增强模型的训练方法，其特征在于，所述训练方法包括：

获取样本图像对，所述样本图像对包括第一质量样本图像以及对应的第二质量样本图像，所述第一质量样本图像的分辨率小于所述第二质量样本图像；

将所述第一质量样本图像输入图像增强模型中，得到预测第二质量图像，所述图像增强模型包括至少一个卷积单元以及至少一个残差单元，所述残差单元包括至少两个数据通道；

根据所述第二质量样本图像以及所述预测第二质量图像进行损失函数计算，并基于计算结果对所述图像增强模型的参数进行更新，确定目标图像增强模型。

2.根据权利要求1所述的训练方法，其特征在于，所述残差单元包括至少一个残差子单元，各个所述残差子单元依次堆叠，每个残差子单元包括至少两个数据通道，各个所述数据通道的输入数据相同，各个所述数据通道的输出数据利用合并单元处理后作为下一个所述残差子单元的输入，所述数据通道利用普通卷积层对所述输入数据进行特征提取，或所述数据通道将所述输入数据传输至所述合并单元。

3.根据权利要求1或2所述的训练方法，其特征在于，所述将所述第一质量样本图像输入图像增强模型中，得到预测第二质量图像，包括：

利用所述至少一个卷积单元对所述第一质量样本图像进行特征提取，所述至少一个卷积单元包括至少一个第一普通卷积层以及至少一个离散卷积层；

将最后一个所述离散卷积层的输出结果输入所述至少一个残差单元中，得到所述至少一个残差单元的输出结果；

利用至少一个第二普通卷积层对所述至少一个残差单元的输出结果进行特征提取，以得到所述预测第二质量图像。

4.根据权利要求1所述的训练方法，其特征在于，所述根据所述第二质量样本图像以及所述预测第二质量图像进行损失函数计算，包括：

基于所述第二质量样本图像以及所述预测第二质量图像，计算像素损失；

将所述预测第二质量图像以及所述第二质量样本图像输入图像鉴别模型中，分别得到相应的鉴别结果；

基于相应的鉴别结果计算图像损失；

利用所述像素损失以及所述图像损失，确定所述损失函数的计算结果。

5.根据权利要求4所述的训练方法，其特征在于，所述基于相应的鉴别结果计算图像损失，包括：

将所述第二质量样本图像输入预设特征提取模型进行特征提取，得到所述第二质量样本图像的第二特征向量；

将所述预测第二质量图像输入所述预设特征提取模型进行特征提取，得到所述预测第二质量图像的第一特征向量；

利用所述第一特征向量与所述第二特征向量的差值，确定图像特征损失；

利用所述图像特征损失以及所述鉴别结果，计算所述图像损失。

6.根据权利要求5所述的训练方法，其特征在于，采用如下公式计算损失函数：

式中，

其中，α₁、α₂分别为所述像素损失和所述图像损失的权重，y为所述预测第二质量图像对应的像素值，为所述第二质量样本图像对应的像素值，L_pixel为所述像素损失，L_GAN为所述图像损失，L_feature为所述图像特征损失，L_D为所述鉴别结果对应的损失，为所述预设特征提取模型提取的特征向量，logD()为所述鉴别模型输出的鉴别结果。

7.一种图像增强模型的训练方法，其特征在于，所述训练方法包括：

获取目标图像增强模型，所述目标图像增强模型是根据权利要求1-6中所述的训练方法训练得到的；

对所述目标图像增强模型进行压缩，得到第一压缩图像增强模型；

固定所述目标图像增强模型的参数，并将所述第一质量样本图像分别输入所述目标图像增强模型以及所述第一压缩图像增强模型中，以对所述第一压缩图像增强模型进行训练得到第一目标压缩图像增强模型；

利用所述样本图像对对所述第一目标压缩图像增强模型的预设通道数对应的参数进行更新，得到至少一个第二目标压缩图像增强模型。