[发明专利]多域图像转换模型的训练方法、装置、设备及存储介质

说明书

本申请公开了一种多域图像转换模型的训练方法、装置、计算机设备及计算机可读存储介质，该方法包括：通过获取待训练图像，并对所述待训练图像进行预处理，建立图像数据集；根据预置训练策略，基于所述图像数据集对构建的预置模型进行训练，其中，所述预置模型包括生成器网络；确定训练后的所述预置模型处于收敛状态时，获取训练后的生成器网络；根据训练后的所述生成器网络，生成多域图像转换模型，通过深度学习仅需对一个模型进行训练就可实现多个域图像之间的迁移转换。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种多域图像转换模型的训练方法、装置、计算机设备及计算机可读存储介质。

背景技术

图像转换(Image-to-image Translation)技术是用来自动实现图像在多个不同风格或属性之间互相迁移的方法。不同风格或属性之间的转换可以提供图像更多丰富的表现形态，同时也可以快速生成包含源域内容与目标域风格或属性的图像，这使得目标域的图像更加容易获取。近些来，对于多风格图像的需求不断提高，多风格图像转换技术在实际应用中变得越来越重要。然而当前需要花费大量的时间进行了一个模型的图像创造，不仅要做多个风格的模型，还需花费大量的时间与精力，成本巨大。

发明内容

本申请的主要目的在于提供一种多域图像转换模型的训练方法方法、装置、计算机设备及计算机可读存储介质，旨在解决当前需要花费大量的时间进行了一个模型的图像创造，不仅要做多个风格的模型，还需花费大量的时间与精力，成本巨大的技术问题。

第一方面，本申请提供一种多域图像转换模型的训练方法，所述多域图像转换模型的训练方法包括以下步骤：

获取待训练图像，并对所述待训练图像进行预处理，建立图像数据集；

根据预置训练策略，基于所述图像数据集对构建的预置模型进行训练，其中，所述预置模型包括生成器网络；

确定训练后的所述预置模型处于收敛状态时，获取训练后的生成器网络；

根据训练后的所述生成器网络，生成多域图像转换模型。

第二方面，本申请还提供一种多域图像转换模型的训练装置，所述多域图像转换模型的训练装置包括：

第一获取模块，用于获取待训练图像，并对所述待训练图像进行预处理，建立图像数据集；

训练模块，用于根据预置训练策略，基于所述图像数据集对构建的预置模型进行训练，其中，所述预置模型包括生成器网络；

第二获取模块，用于确定训练后的所述预置模型处于收敛状态时，获取训练后的生成器网络；

生成模块，用于根据训练后的所述生成器网络，生成多域图像转换模型。

第三方面，本申请还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述的多域图像转换模型的训练方法的步骤。

第四方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上述的多域图像转换模型的训练方法的步骤。

本申请提供一种多域图像转换模型的训练方法、装置、计算机设备及计算机可读存储介质，通过获取待训练图像，并对所述待训练图像进行预处理，建立图像数据集；根据预置训练策略，基于所述图像数据集对构建的预置模型进行训练，其中，所述预置模型包括生成器网络；确定训练后的所述预置模型处于收敛状态时，获取训练后的生成器网络；根据训练后的所述生成器网络，生成多域图像转换模型，通过深度学习仅需对一个模型进行训练就可实现多个域图像之间的迁移转换。

附图说明