图像压缩模型的训练方法及装置、图像压缩方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114071164A(43)申请公布日2022.02.18(21)申请号202010784856.8(22)申请日2020.08.06(71)申请人阿里巴巴集团控股有限公司地址英属开曼群岛大开曼资本大厦一座四层847号邮箱(72)发明人孙振鉷孙修宇谭志羽李昊钱一琛(74)专利代理机构北京智信禾专利代理有限公司11637代理人李晓庆(51)Int.Cl.H04N19/70(2014.01)G06N3/08(2006.01)权利要求书6页说明书21页附图14页(54)发明名称图像压缩模型的训练方法及装置、图像压缩方法及装置(57)摘要本说明书提供图像压缩模型的训练方法及装置、图像压缩方法及装置，其中所述图像压缩模型的训练方法包括：获取样本图像、目标码率参数和目标全连接参数；将所述样本图像、所述目标码率参数和所述目标全连接参数输入至待训练的图像压缩模型，获得所述样本图像对应的目标图像；根据所述样本图像和所述目标图像计算损失值；根据所述损失值训练所述图像压缩模型，直至达到训练停止条件，本说明书提供的图像压缩模型的训练方法通过目标码率参数和目标全连接参数对图像压缩模型进行训练，节省训练时间、提高算法训练的鲁棒性。CN114071164ACN114071164A权利要求书1/6页1.一种图像压缩模型的训练方法，包括：获取样本图像、目标码率参数和目标全连接参数；将所述样本图像、所述目标码率参数和所述目标全连接参数输入至待训练的图像压缩模型，获得所述样本图像对应的目标图像；根据所述样本图像和所述目标图像计算损失值；根据所述损失值训练所述图像压缩模型，直至达到训练停止条件。2.如权利要求1所述的图像压缩模型的训练方法，所述图像压缩模型包括编码器和解码器；将所述样本图像、所述目标码率参数和所述目标全连接参数输入至待训练的图像压缩模型，获得所述样本图像对应的目标图像，包括：根据所述目标码率参数和所述目标全连接参数确定目标码率；将所述样本图像和所述目标码率输入至所述编码器，获得所述样本图像对应的图像特征向量；将所述图像特征向量和所述目标码率输入至所述解码器，获得所述样本图像对应的目标图像。3.如权利要求2所述的图像压缩模型的训练方法，所述编码器包括n个依次连接的编码卷积层，其中，n＞1；将所述样本图像和所述目标码率输入至所述编码器，获得所述样本图像对应的图像特征向量，包括：将所述样本图像和所述目标码率输入至第一个编码卷积层，获得第一个编码卷积层输出的第一图像特征；将第t-1个编码卷积层输出的第t-1图像特征和所述目标码率输入至第t个编码卷积层，获得第t个编码卷积层输出的第t图像特征，其中，2≤t≤n；将t自增1，判断t是否大于n；若否，则继续执行将第t-1个编码卷积层输出的第t-1图像特征和所述目标码率输入至第t个编码卷积层，获得第t个编码卷积层输出的第t图像特征的操作；若是，则确定最后一个所述编码卷积层输出的图像特征为所述样本图像对应的图像特征，并根据所述图像特征确定所述图像特征对应的图像特征向量。4.如权利要求3所述的图像压缩模型的训练方法，获得第一个编码卷积层输出的第一图像特征，包括：对所述样本图像做卷积下采样，提取所述样本图像的图像特征；根据所述样本图像的图像特征和所述目标码率获得第一个编码卷积层输出的第一图像特征。5.如权利要求3所述的图像压缩模型的训练方法，获得第t个编码卷积层输出的第t图像特征，包括：对所述第t-1图像特征做卷积下采样，提取所述第t-1图像特征的图像特征；根据所述第t-1图像特征的图像特征和所述目标码率获得第t个编码卷积层输出的第t图像特征。6.如权利要求2所述的图像压缩模型的训练方法，所述解码器包括m个依次连接的解码2CN114071164A权利要求书2/6页卷积层，其中，m＞1；将所述图像特征向量和所述目标码率输入至所述解码器，获得所述样本图像对应的目标图像，包括：将所述图像特征向量和所述目标码率输入至第一个解码卷积层，获得第一个解码卷积层输出的第一解码向量；将第j-1个编码卷积层输出的第j-1解码向量和所述目标码率输入至第j个解码卷积层，获得第j个解码卷积层输出的第j解码向量，其中，2≤j≤m；将j自增1，判断j是否大于m；若否，则继续执行将第j-1个编码卷积层输出的第j-1解码向量和所述目标码率输入至第j个解码卷积层，获得第j个解码卷积层输出的第j解码向量的操作；若是，则确定最后一个所述解码卷积层输出的解码向量为所述样本图像对应的解码向量，并对所述解码向量做归一化处理，获得所述样本图像对应的目标图像。7.如权利要求6所述的图像压缩模型的训练方法，获得第一个解码卷积层输出的第一解码向量，包括：对所述图像特征向量做卷积上采样，获得所述图像特