[发明专利]图像处理方法、装置、设备及存储介质

说明书

本申请公开了一种图像处理方法、装置、设备及存储介质，属于互联网领域。本申请在对多个变换网络和多个判别网络进行训练时，共享解码网络和重建网络的训练数据，使得训练所得的变换网络在对多个特征变换时只需要经过一次解码和一次重建，使得特征数量越多时，图像处理的过程变得简洁流畅。

本申请是申请日为2018年11月30日、申请号为201811457745.5、发明名称为“图像处理方法、装置、设备及存储介质”的分案申请。

技术领域

本申请涉及互联网领域，特别涉及一种图像处理方法、装置、设备及存储介质。

背景技术

目前，可以采用生成式对抗网络(generative adversarial networks，GAN)的深度学习模型实现图像处理，GAN中包括解码网络、变换网络、重建网络和判别网络，通过对各个网络的参数调整，从而根据输入图像，能够通过GAN得到进行了某个特征变换的输出图像。

在GAN中，欲实现对输入图像进行多个特征的变换处理时，通常为每个单一的特征训练一个GAN，再将训练好的多个GAN依次作用于输入图像，也即是，先基于解码网络对输入图像进行解码，再基于变换网络对输入图像进行变换，最后基于重建网络对输入图像进行重建，之后再进入下一个GAN中重复上述过程，直到得到对该输入图像进行了上述多个特征变换的输出图像。

然而，在上述过程中，当特征数量越多时，需要的训练数据也就多，训练多个GAN所耗费的时间就越长，进行了多次解码和多次重建，使得图像处理的过程繁琐冗长。

发明内容

本申请实施例提供了一种图像处理方法、装置、设备及存储介质,能够改善特征数量越多，所需的训练数据越多，使得图像处理过程繁琐的问题。该技术方案如下：

一方面，提供了一种图像处理方法，该方法包括：

构建初始化的对抗网络，所述对抗网络包括解码网络、多个变换网络、重建网络和多个判别网络；其中，在所述解码网络后并行接入所述多个变换网络，在所述多个变换网络后接入所述重建网络，在所述重建网络后并行接入所述多个判别网络，每个判别网络与一个变换网络相对应；

根据多个图像集，训练所述多个判别网络，根据所述多个判别网络的训练结果，迭代训练所述对抗网络；

其中，在对所述多个变换网络和所述多个判别网络进行训练时，共享所述解码网络和所述重建网络的训练数据。

一方面，提供了一种图像处理方法，该方法包括：

根据图像变换指令，基于原始图像，解码得到第一特征图；

基于与至少一个变换需求信息对应的多个变换网络，通过串联的所述多个变换网络对所述第一特征图依次进行图像变换处理，输出第二特征图，其中，所述多个变换网络中每个变换网络的输入和输出都互相适配；

基于所述第二特征图，重建得到目标图像。

在一种可能实施方式中，所述基于与至少一个变换需求信息对应的多个变换网络，通过串联的所述多个变换网络对所述第一特征图依次进行图像变换处理，输出第二特征图包括：

获取与至少一个变换需求信息对应的多个变换网络，每个变换网络用于进行图像变换处理；

对于每个变换网络，对上一个变换网络输出的特征图中与所述变换网络的变换需求信息所对应的特征进行变换，输出所述变换网络的特征图，所述多个变换网络中的最后一个变换网络输出所述第二特征图。

在一种可能实施方式中，所述对上一个变换网络输出的特征图中与所述变换网络的变换需求信息所对应的特征进行变换，输出所述变换网络的特征图包括：

根据所述变换网络对应的变换需求信息，确定条件张量，所述条件张量与所述变换网络对应的输入特征图的宽度和高度相同；