[发明专利]一种图像处理方法、装置、设备及计算机可读存储介质

说明书

本申请实施例提供一种图像处理方法、装置、设备及计算机可读存储介质。其中方法包括：获取图像处理模型的训练样本集从样本集中选取第一样本图像xsubgt;i/subgt;，调用第一生成网络对第一样本图像xsubgt;i/subgt;进行生成处理，得到第一预测图像xsubgt;i/subgt;supgt;′/supgt;，从样本集中选取第二样本图像ysubgt;k/subgt;，调用第一生成网络对第二样本图像ysubgt;k/subgt;进行生成处理，得到第二预测图像ysupgt;′/supgt;subgt;k/subgt;，调用第二生成网络对第二样本图像ysubgt;k/subgt;进行生成处理，得到第三预测图像ysupgt;′/supgt;subgt;k/subgt;supgt;′/supgt;，根据各个样本图像与对应的预测图像之间的差异，更新图像处理模型的参数；对图像处理模型进行迭代训练直至图像处理模型达到收敛，进而较佳地提升了图像处理模型的处理准确度，扩展了图像处理模型的使用场景。

技术领域

本发明涉及计算机技术领域，具体涉及一种图像处理方法、装置、设备及计算机可读存储介质。

背景技术

随着计算机技术的不断发展，图像处理技术得到广泛发展；其中，利用图像处理技术实现头像转换是一个较为新颖的尝试及应用，所谓头像转换是指将图像中的原头像替换为目标头像的过程。头像转换一般是基于图像处理模型来实现，但实践发现，目前的图像处理模型在执行头像转换的任务时仅是采用目标头像的五官来替换原头像的五官，处理准确度较低，使用场景较为受限。

发明内容

本发明实施例提供了一种图像处理方法、装置、设备及计算机可读存储介质，能够训练图像处理模型，且训练得到的图像处理模型的处理准确度较高，使用场景广泛。

一方面，本申请实施例提供了一种图像处理方法，包括：

获取图像处理模型的训练样本集，图像处理模型包含第一生成网络和第二生成网络，第一生成网络和第二生成网络具备相同的特征提取结构；训练样本集包含第一样本集和第二样本集，第一样本集包括N个第一样本图像，每个第一样本图像均包含目标头像；第二样本集包括M个第二样本图像，每个第二样本图像包含一个样本头像，M、N均为正整数；

从第一样本集中选取第一样本图像x_i，调用第一生成网络对第一样本图像x_i进行生成处理，得到第一预测图像x′_i；第一预测图像x′_i包含目标头像，且第一预测图像x′_i中的目标头像的属性与第一样本图像x_i中的目标头像的属性保持一致，i为正整数且i≤N；

从第二样本集中选取第二样本图像y_k，调用第一生成网络对第二样本图像y_k进行生成处理，得到第二预测图像y′_k；其中，第二预测图像y′_k包含目标头像，且第二预测图像y′_k中的目标头像的属性与第二样本图像y_k中的样本头像的属性保持一致，k为正整数且k≤M；

调用第二生成网络对第二样本图像y_k进行生成处理，得到第三预测图像y″_k；第三预测图像y″_k与第二样本图像y_k包含相同的样本头像；

根据第一样本图像x_i与第一预测图像x′_i之间的差异，第二样本图像y_k与第二预测图像y′_k之间的差异，以及第二样本图像y_k与第三预测图像y″_k之间的差异，更新图像处理模型的参数；

令i＝i+1且k＝k+1，迭代上述训练流程直至图像处理模型达到收敛，其中，i+1≤N，k+1≤M。

一方面，本申请实施例提供了一种图像处理装置，该图像处理装置包括：