[发明专利]一种图像处理模型的训练方法、图像处理模型及计算机设备

权利要求书

1.一种图像处理模型的训练方法，其特征在于，所述图像处理模型包括编码网络和生成式对抗网络，所述方法包括：

获取真实人脸图像、训练人脸图像和与所述训练人脸图像对应的预期年龄，所述训练人脸图像与所述真实人脸图像反映同一人的人脸，所述真实人脸图像标注有年龄段，所述预期年龄位于所述真实人脸图像标注的年龄段内，所述预期年龄与所述训练人脸图像对应的年龄不同；

采用所述编码网络对所述真实人脸图像进行特征编码，得到第一编码，所述第一编码反映所述真实人脸图像在所述预期年龄下的人脸特征；

采用生成式对抗网络对所述第一编码和所述训练人脸图像进行特征融合，得到预测人脸图像，所述预测人脸图像为所述训练人脸图像融合有所述第一编码的特征后生成的图像；

利用损失函数对所述图像处理模型进行迭代训练，返回所述获取真实人脸图像、训练人脸图像和与所述训练人脸图像对应的预期年龄的步骤，直至所述图像处理模型收敛，其中，所述损失函数用于表征所述第一编码和第二编码之间的编码损失、所述真实人脸图像和所述预测人脸图像之间的特征损失和对抗损失，所述第二编码为采用所述编码网络对所述预测人脸图像进行特征编码获得的编码，所述对抗损失为所述生成式对抗网络计算得到的损失。

2.根据权利要求1所述的方法，其特征在于，所述生成式对抗网络包括生成器，所述生成器包括依次设置的多个下采样层、多个深度层和多个上采样层；

其中，所述多个下采样层分别用于输出分辨率逐层减小的中间特征图，所述多个深度层分别用于输出分辨率一致的中间特征图，所述多个上采样层分别用于输出分辨率逐层增加的中间特征图；

所述采用生成式对抗网络中的生成器对所述第一编码和所述训练人脸图像进行特征融合，得到预测人脸图像，包括：

将所述第一编码分别与输入所述多个上采样层的中间特征图进行融合。

3.根据权利要求2所述的方法，其特征在于，一个所述上采样层包括反向卷积层和融合层；

所述将所述第一编码分别与输入所述多个上采样层的中间特征图进行融合的步骤，包括：

获取用于输入目标层的目标中间特征图的分辨率，所述目标层为任意一个所述上采样层中的融合层；

根据所述目标中间特征图的分辨率，对所述第一编码进行线性变换，获得参数矩阵；

对所述目标中间特征图进行归一化处理，得到归一化处理后的目标中间特征图；

对所述归一化处理后的目标中间特征图和所述参数矩阵进行线性变换，得到所述目标层输出的融合有所述第一编码的中间特征图。

4.根据权利要求3所述的方法，其特征在于，

所述对所述归一化处理后的目标中间特征和所述参数矩阵进行线性变换，得到所述目标层输出的融合有所述第一编码的中间特征，包括：

根据所述参数矩阵，获取变量矩阵和偏量矩阵；

采用以下公式计算所述目标层输出的融合有所述第一编码的中间特征：

Y＝(1+D1)*y+D2；

其中，y为所述归一化处理后的目标中间特征，D1为所述变量矩阵，D2为所述偏量矩阵。