[发明专利]深度学习模型的训练方法、图像处理方法、装置和设备

说明书

本公开提供了一种深度学习模型的训练方法，涉及人工智能技术领域，尤其涉及图像处理、计算机视觉和深度学习技术领域。具体实现方案为：将第一样本图像和第一参考图像输入深度学习模型，得到第一超分图像；将第一超分图像和第二样本图像输入深度学习模型，得到第二超分图像；根据第一超分图像确定第一损失，并根据第二超分图像确定第二损失；以及根据第一损失和第二损失，调整深度学习模型的参数。本公开还提供了一种图像处理方法、装置、电子设备和存储介质。

技术领域

本公开涉及人工智能技术领域，尤其涉及图像处理、计算机视觉和深度学习技术。更具体地，本公开提供了一种深度学习模型的训练方法、图像处理方法、装置、电子设备和存储介质。

背景技术

图像超分辨率处理以低分辨率的图像为输入，以有效的高质量的高分辨率图像为期望输出。图像超分辨率处理可以采用深度学习的实现方式。

发明内容

本公开提供了一种深度学习模型的训练方法、图像处理方法、装置、设备以及存储介质。

根据第一方面，提供了一种深度学习模型的训练方法，该方法包括：将第一样本图像和第一参考图像输入深度学习模型，得到第一超分图像；将第一超分图像和第二样本图像输入深度学习模型，得到第二超分图像；根据第一超分图像确定第一损失，并根据第二超分图像确定第二损失；以及根据第一损失和第二损失，调整深度学习模型的参数。

根据第二方面，提供了一种图像处理方法，该方法包括：获取待处理图像和第二参考图像；以及将待处理图像和第二参考图像输入深度学习模型，得到待处理图像的超分辨率图像；其中，深度学习模型是根据上述深度学习模型的训练方法训练得到的。

根据第三方面，提供了一种深度学习模型的训练装置，该装置包括：第一超分模块，用于将第一样本图像和第一参考图像输入深度学习模型，得到第一超分图像；第二超分模块，用于将第一超分图像和第二样本图像输入深度学习模型，得到第二超分图像；确定模块，用于根据第一超分图像确定第一损失，并根据第二超分图像确定第二损失；以及调整模块，用于根据第一损失和第二损失，调整深度学习模型的参数。

根据第四方面，提供了一种图像处理装置，该装置包括：获取模块，用于获取待处理图像和第二参考图像；以及第二处理模块，用于将待处理图像和第二参考图像输入深度学习模型，得到待处理图像的超分辨率图像；其中，深度学习模型是根据上述深度学习模型的训练装置训练得到的。

根据第五方面，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根据本公开提供的方法。

根据第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行根据本公开提供的方法。

根据第七方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据本公开提供的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是根据相关技术的一个实施例的利用深度学习模型实现图像超分辨率处理的方法的示意图；

图2A是根据本公开的一个实施例的深度学习模型的训练方法的流程图；

图2B是根据本公开的另一个实施例的深度学习模型的训练方法的流程图；

图3A～3C是根据本公开的一个实施例的对图像进行透视变换的方法的示意图；