[发明专利]眼底图像训练方法、增强方法及相关装置

权利要求书

1.一种眼底图像训练方法，其特征在于，包括：

获取眼底图像训练集，其中，所述眼底图像训练集包括多组训练眼底图像，每组所述训练眼底图像包括低质量训练眼底图像和对应的高质量训练眼底图像；

将所述低质量训练眼底图像通过生成器网络，得到预测高质量眼底图像；

将所述高质量训练眼底图像与所述预测高质量眼底图像通过判别器网络，得到判别矩阵；

根据所述预测高质量眼底图像、所述高质量训练眼底图像和所述判别矩阵，计算损失函数值；

根据所述损失函数值对所述生成器网络和所述判别器网络进行迭代优化，并将优化后的所述生成器网络作为眼底图像训练模型。

2.根据权利要求1所述的眼底图像训练方法，其特征在于，还包括：

所述将所述低质量训练眼底图像通过生成器网络，得到预测高质量眼底图像之前，包括：

对所述低质量训练眼底图像进行预处理，并将预处理的结果更新为低质量训练眼底图像。

3.根据权利要求1所述的眼底图像训练方法，其特征在于，

所述将所述低质量训练眼底图像通过生成器网络，得到预测高质量眼底图像，包括：

将所述低质量训练眼底图像通过输入投影层，得到第一特征图；

将所述第一特征图通过多个第一采样模块，得到第二特征图，其中，所述第一采样模块包括多个局部transformer层和一个下采样层；

将所述第二特征图通过多个局部transformer层，得到第三特征图；

将所述第三特征图通过多个第二采样模块，得到第四特征图，其中，所述第二采样模块包括多个局部transformer层和一个上采样层，且所述第一采样模块与所述第二采样模块进行信道级联；

将所述第四特征图通过输出投影层，得到残差眼底图像；

将所述残差眼底图像与所述低质量训练眼底图像相加，得到预测高质量眼底图像。

4.根据权利要求1所述的眼底图像训练方法，其特征在于，

所述将所述高质量训练眼底图像与所述预测高质量眼底图像通过判别器网络，得到判别矩阵，包括：

将所述高质量训练眼底图像与所述预测高质量眼底图像通过输入映射层，得到第五特征图；

将所述第五特征图通过多个第三采样模块，得到第六特征图，其中，所述第三采样模块包括多个局部transformer层和一个下采样层；

将所述第六特征图通过输出映射层，得到判别矩阵。

5.根据权利要求1所述的眼底图像训练方法，其特征在于，所述损失函数值根据Charbonnier Loss值、眼底质量感知损失值、对抗损失值和边缘损失值计算得到；

对应的，根据所述预测高质量眼底图像、所述高质量训练眼底图像和所述判别矩阵，计算损失函数值，包括：

根据所述预测高质量眼底图像、所述高质量训练眼底图像，计算所述CharbonnierLoss值；

根据所述预测高质量眼底图像、所述高质量训练眼底图像，计算所述眼底质量感知损失值；

根据所述预测高质量眼底图像、所述高质量训练眼底图像和所述判别矩阵，计算所述对抗损失值，其中，所述对抗损失值包括所述生成器网络的对抗损失值和所述判别器网络的对抗损失值；

根据所述预测高质量眼底图像、所述高质量训练眼底图像，计算所述边缘损失值；

根据权重对所述Charbonnier Loss值、所述眼底质量感知损失值、所述对抗损失值和所述边缘损失值求和，得到所述损失函数值。