图像检测模型的训练方法、图像检测方法、装置及设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114998196A(43)申请公布日2022.09.02(21)申请号202210426094.3G06V10/74(2022.01)(22)申请日2022.04.21(71)申请人清华大学地址100084北京市海淀区清华园申请人北京达佳互联信息技术有限公司(72)发明人黄高郭嘉懿杜超群黄慧娟万鹏飞(74)专利代理机构北京三高永信知识产权代理有限责任公司11138专利代理师李加欣(51)Int.Cl.G06T7/00(2017.01)G06T3/00(2006.01)G06K9/62(2022.01)G06V10/774(2022.01)权利要求书2页说明书22页附图6页(54)发明名称图像检测模型的训练方法、图像检测方法、装置及设备(57)摘要本公开是关于一种图像检测模型的训练方法、图像检测方法、装置及设备，属于计算机技术领域。方法包括：获取属于目标风格的标准图像；调用正在训练的图像生成模型，对原始图像进行风格迁移得到目标图像；基于目标图像确定与目标图像的风格匹配的第一样本图像，基于图像生成模型的训练次数，确定样本标签；调用待训练的图像检测模型，将第一样本图像与标准图像进行对比，得到第一检测标签；基于样本标签和第一检测标签，训练待训练的图像检测模型，得到训练完成的图像检测模型。本公开提供了一种自动生成样本图像和样本标签的方式，然后利用样本图像、样本标签和标准图像，训练图像检测模型，从而使用图像检测模型来对图像风格进行检测。CN114998196ACN114998196A权利要求书1/2页1.一种图像检测模型的训练方法，其特征在于，所述方法包括：获取属于目标风格的标准图像，所述目标风格为任一风格；调用正在训练的图像生成模型，对原始图像进行风格迁移，得到目标图像，所述图像生成模型用于生成属于所述目标风格的图像；基于所述目标图像，确定与所述目标图像的风格匹配的第一样本图像，基于所述图像生成模型当前的训练次数，确定所述第一样本图像对应的样本标签，所述样本标签用于表示所述第一样本图像的风格与所述目标风格之间的实际相似度，所述样本标签与所述图像生成模型的训练次数正相关；调用待训练的图像检测模型，将所述第一样本图像与所述标准图像进行对比，得到第一检测标签，所述第一检测标签用于表示所述第一样本图像的风格与所述目标风格之间的预测相似度；基于所述样本标签和所述第一检测标签，训练所述待训练的图像检测模型，得到训练完成的图像检测模型，所述训练完成的图像检测模型用于检测任两个图像的风格之间的相似度。2.根据权利要求1所述的图像检测模型的训练方法，其特征在于，所述基于所述目标图像，确定与所述目标图像的风格匹配的第一样本图像，包括：将所述目标图像确定为所述第一样本图像。3.根据权利要求2所述的图像检测模型的训练方法，其特征在于，所述方法还包括：确定多个候选图像生成模型，每个候选图像生成模型具有各自的训练次数和各自的准确度，且不同的候选图像生成模型当前的训练次数不同，所述准确度表示所述候选图像生成模型生成的属于所述目标风格的图像的准确程度；在所述多个候选图像生成模型中，选取所述准确度小于目标阈值的所述图像生成模型。4.根据权利要求1所述的图像检测模型的训练方法，其特征在于，所述调用正在训练的图像生成模型，对原始图像进行风格迁移，得到目标图像，包括：确定多个图像生成模型，且不同的图像生成模型当前的训练次数不同；调用所述多个图像生成模型，分别对所述原始图像进行风格迁移，得到多个目标图像；所述基于所述目标图像，确定与所述目标图像的风格匹配的第一样本图像，包括：将所述多个目标图像进行融合所得到的图像，确定为所述第一样本图像；所述基于所述图像生成模型当前的训练次数，确定所述第一样本图像对应的样本标签，包括：将所述多个图像生成模型的训练次数进行加权平均，得到平均训练次数；对所述平均训练次数进行归一化处理，得到所述样本标签。5.一种图像检测方法，其特征在于，所述方法包括：获取属于目标风格的标准图像，所述目标风格为任一风格；将第一图像的风格迁移为所述目标风格，得到属于所述目标风格的第二图像；调用训练完成的图像检测模型，将所述第二图像与所述标准图像进行对比，得到目标检测标签，所述目标检测标签用于表示所述第二图像的风格与所述标准图像的风格之间的相似度；2CN114998196A权利要求书2/2页其中，所述训练完成的图像检测模型是采用如权利要求1至权利要求4任一项所述的图像检测模型的训练方法所训练的。6.一种图像检测模型的训练装置，其特征在于，所述装置包括：第一获取单元，被配置为执行获取属于目标风格的标准图像，所述目标风格为任一风格；第二获取单元，被配置为执行调用正在训练的图像生成模型，对原始图像进行风格迁移，得