[发明专利]生成图像修复模型的方法、设备、介质及程序产品在审

专利信息
申请号: 202110475219.7 申请日: 2021-04-29
公开(公告)号: CN113177892A 公开(公告)日: 2021-07-27
发明(设计)人: 刘芳龙;李鑫;何栋梁 申请(专利权)人: 北京百度网讯科技有限公司
主分类号: G06T5/00 分类号: G06T5/00;G06T5/50
代理公司: 北京英赛嘉华知识产权代理有限责任公司 11204 代理人: 王达佐;马晓亚
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 生成 图像 修复 模型 方法 设备 介质 程序 产品
【说明书】:

本公开提及了一种生成图像修复模型的方法、设备、介质及程序产品,涉及深度学习和计算机视觉等人工智能领域。该方法的一具体实施方式包括:获取第一图像和第二图像,其中,第二图像为修复第一图像后的图像;将第一图像的特征点对应的图像与第一图像进行合成,得到合成图像;利用第二图像和合成图像进行训练,得到图像修复模型。

技术领域

本公开实施例涉及计算机领域,具体涉及深度学习和计算机视觉等人工智能领域,尤其涉及一种生成图像修复模型的方法、设备、介质及程序产品。

背景技术

在那个数码相机及数字存储设备并未普及的年代,人们会在拍照之后冲洗出来保存记录美好瞬间,但是由于相纸本身的缺点,在保存的过程中很容易出现划痕、褪色、污点等,严重影响照片的视觉质量。

目前,由人工通过专业软件对待修复图像进行修复,以完成对图像的修复。

发明内容

本公开实施例提出了一种生成图像修复模型的方法、设备、介质及程序产品。

第一方面,本公开实施例提出了一种生成图像修复模型的方法,包括:获取第一图像和第二图像,其中,第二图像为修复第一图像后的图像;将第一图像的特征点对应的图像与第一图像进行合成,得到合成图像;利用第二图像和合成图像进行训练,得到图像修复模型。

第二方面,本公开实施例提出了一种生成图像修复模型的装置,包括:图像获取模块,被配置成获取第一图像和第二图像,其中,第二图像为修复第一图像后的图像;图像合成模块,被配置成将第一图像的特征点对应的图像与第一图像进行合成,得到合成图像;模型训练模块,被配置成利用第二图像和合成图像进行训练,得到图像修复模型。

第三方面,本公告实施例提出了一种图像修复方法,包括:获取待修复图像;将待修复图像输入预先训练的图像修复模型中,得到修复图像。

第四方面,本公告实施例提出了一种图像修复装置,包括:图像获取模块,被配置成获取待修复图像;图像修复模块,被配置成将待修复图像输入预先训练的图像修复模型中,得到修复图像。

第五方面,本公开实施例提出了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面或第二方面描述的方法。

第六方面,本公开实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行如第一方面或第二方面描述的方法。

第七方面,本公开实施例提出了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现如第一方面或第二方面描述的方法。

本公开实施例提供的生成图像修复模型的方法、设备、介质及程序产品,首先获取第一图像和第二图像,其中,第二图像为修复第一图像后的图像;然后将第一图像的特征点对应的图像与第一图像进行合成,得到合成图像;最后利用第二图像和合成图像进行训练,得到图像修复模型。可以通过由第一图像和第一图像中的对象的特征点对应的图像合成得到的合成图像,与第二图像进行模型训练,以得到图像修复模型,从而能够实现对图像的修复。

应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显。附图用于更好地理解本方案,不构成对本公开的限定。其中:

图1是本公开可以应用于其中的示例性系统架构图;

图2是根据本公开的生成图像修复模型的方法的一个实施例的流程图;

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北京百度网讯科技有限公司,未经北京百度网讯科技有限公司许可,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/202110475219.7/2.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