[发明专利]图像处理模型的训练方法、装置、电子设备及存储介质

说明书

本公开提供了一种图像处理模型的训练方法、装置、电子设备及存储介质，涉及计算机技术领域，尤其涉及深度学习、计算机视觉等人工智能技术领域。具体实现方案为：通过获取第一样本图像，和与第一样本图像对应的第二样本图像，第一样本图像和第二样本图像的图像特征不相同，并确定第一样本图像和第二样本图像之间的标注特征差异信息，对第一样本图像进行特征增强处理，以得到第三样本图像，以及根据第一样本图像、第三样本图像，标注特征差异信息训练初始的图像处理模型，得到目标图像处理模型，能够有效地提升训练得到的图像处理模型针对图像特征的表达建模能力，提升图像处理模型针对图像特征的增强处理效果，提升图像处理模型的图像处理效果。

技术领域

本公开涉及计算机技术领域，尤其涉及深度学习、计算机视觉等人工智能技术领域，具体涉及一种图像处理模型的训练方法、装置、电子设备及存储介质。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

相关技术中，图像超分辨率是指由一幅低分辨率图像恢复出高分辨率图像。图像超分辨率具有广大的应用前景，可应用于多种应用场景中，例如，图像分割，物体检测，深度估计等应用场景。

发明内容

本公开提供了一种用于图像处理模型的训练方法、图像处理方法、装置、电子设备、存储介质以及计算机程序产品。

根据本公开的第一方面，提供了一种图像处理模型的训练方法，包括：获取第一样本图像，和与所述第一样本图像对应的第二样本图像，所述第一样本图像和所述第二样本图像的图像特征不相同；确定所述第一样本图像和所述第二样本图像之间的标注特征差异信息；对所述第一样本图像进行特征增强处理，以得到第三样本图像；以及根据所述第一样本图像、所述第三样本图像，以及所述标注特征差异信息训练初始的图像处理模型，以得到目标图像处理模型。

根据本公开的第二方面，提供了一种图像处理方法：包括：获取待处理图像，所述待处理图像具有对应的待处理图像特征；将所述待处理图像输入至如上述图像处理模型的训练方法训练得到的目标图像处理模型之中，以得到所述目标图像处理模型输出的目标特征差异信息；以及根据所述目标特征差异信息对所述待处理图像特征进行特征增强处理，以得到目标图像特征，所述目标图像特征被融合至所述待处理图像之中以得到目标图像。

根据本公开的第三方面，提供了一种图像处理模型的训练装置，包括：第一获取模块，用于获取第一样本图像，和与所述第一样本图像对应的第二样本图像，所述第一样本图像和所述第二样本图像的图像特征不相同；确定模块，用于确定所述第一样本图像和所述第二样本图像之间的标注特征差异信息；第一处理模块，用于对所述第一样本图像进行特征增强处理，以得到第三样本图像；以及训练模块，用于根据所述第一样本图像、所述第三样本图像，以及所述标注特征差异信息训练初始的图像处理模型，以得到目标图像处理模型。

根据本公开的第四方面，提供了一种图像处理装置，包括：第二获取模块，用于获取待处理图像，所述待处理图像具有对应的待处理图像特征；输入模块，用于将所述待处理图像输入至如上述的图像处理模型的训练装置训练得到的目标图像处理模型之中，以得到所述目标图像处理模型输出的目标特征差异信息；以及第二处理模块，用于根据所述目标特征差异信息对所述待处理图像特征进行特征增强处理，以得到目标图像特征，所述目标图像特征被融合至所述待处理图像之中以得到目标图像。

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的图像处理模型的训练方法，或者执行如第二方面的图像处理方法。