[发明专利]近红外图像生成模型的训练方法、设备及存储介质

说明书

本申请提供一种近红外图像生成模型的训练方法、设备及存储介质，该方法包括：获取样本RGB图像和样本RGB图像对应的样本近红外图像；将样本RGB图像输入至近红外图像生成模型，得到目标样本近红外图像；基于近红外图像判别模型，根据样本RGB图像对目标样本近红外图像和样本近红外图像进行判别，得到目标样本近红外图像的真实性判定结果；基于预设的损失函数和真实性判定结果，对样本近红外图像和目标样本近红外图像进行损失计算，得到损失值；根据损失值对近红外图像生成模型的参数进行调整，得到训练好的近红外图像生成模型。本申请能够基于训练好的近红外图像生成模型得到近红外图像，从而提升通过遥感图像进行植被分析的准确性。

技术领域

本申请涉及深度学习模型训练的技术领域，尤其涉及一种近红外图像生成模型的训练方法、设备及计算机可读存储介质。

背景技术

多光谱遥感图像的近红外(NIR)光谱范围为土地覆盖分类提供了重要信息，例如在植被评估方面，通过近红外光谱能够较好的对植被以及相似颜色的建筑物进行区分。但在一些情况下，在多光谱遥感图像中无法直接得到近红外光谱对应的近红外图像，导致在通过多光谱遥感图像分析植被覆盖时，存在分析结果不够准确的问题。

发明内容

本申请的主要目的在于提供一种近红外图像生成模型的训练方法、装置、设备及计算机可读存储介质，旨在对近红外图像生成模型进行训练，从而使得遥感图像能够基于训练好的近红外图像生成模型得到近红外图像，从而提升通过遥感图像进行植被分析的准确性。

第一方面，本申请提供一种近红外图像生成模型的训练方法，所述近红外图像生成模型的训练方法包括以下步骤：

获取训练样本图像，所述训练样本图像包括样本RGB图像和所述样本RGB图像对应的样本近红外图像；

将所述样本RGB图像输入至近红外图像生成模型，得到所述近红外图像生成模型输出的目标样本近红外图像；

基于近红外图像判别模型，根据所述样本RGB图像对所述目标样本近红外图像和所述样本近红外图像进行判别，得到所述目标样本近红外图像的真实性判定结果；

基于预设的损失函数和所述真实性判定结果，对所述样本近红外图像和所述目标样本近红外图像进行损失计算，得到损失值；

根据所述损失值对所述近红外图像生成模型的参数进行调整，得到训练好的近红外图像生成模型。

第二方面，本申请还提供一种计算机设备，所述计算机设备包括处理器、存储器、以及存储在所述存储器上并可被所述处理器执行的计算机程序，其中所述计算机程序被所述处理器执行时，实现如上述的近红外图像生成模型的训练方法的步骤。

第三方面，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其中所述计算机程序被处理器执行时，实现如上述的近红外图像生成模型的训练方法的步骤。

本申请提供一种近红外图像生成模型的训练方法、计算机设备及计算机可读存储介质，本申请通过对近红外图像生成模型进行训练，以得到损失值，并根据损失值对近红外图像生成模型的参数进行调整，可以提高近红外图像生成模型的图像生成的清晰度，从而提高通过遥感图像进行环境分析时的准确性和精确度。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种近红外图像生成模型的训练方法的流程示意图；

图2为近红外图像生成模型以及近红外图像判别模型的工作场景示意图；

图3为本申请一实施例涉及的计算机设备的结构示意框图。

具体实施方式