图像风格迁移模型的训练方法、图像风格迁移方法及装置.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CN113989104A(43)申请公布日2022.01.28(21)申请号202111243493.8(22)申请日2021.10.25(71)申请人北京达佳互联信息技术有限公司地址100085北京市海淀区上地西路6号1幢1层101D1-7(72)发明人方慕园(74)专利代理机构广州华进联合专利商标代理有限公司44224代理人周清华(51)Int.Cl.G06T3/00(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)G06T3/40(2006.01)权利要求书3页说明书18页附图4页(54)发明名称图像风格迁移模型的训练方法、图像风格迁移方法及装置(57)摘要本公开关于一种图像风格迁移模型的训练方法、图像风格迁移方法、装置、电子设备及存储介质，该图像风格迁移模型的训练方法包括：获取样本图像；样本图像至少包括第一样本图像和第二样本图像，第一样本图像由第二样本图像经过下采样处理得到；获取第一样本图像对应的第一目标风格图像，根据第一样本图像和第一目标风格图像，对第一神经网络模型进行训练，得到第一图像风格迁移模型；根据第一图像风格迁移模型，得到第二样本图像对应的第二目标风格图像；根据第二样本图像和第二目标风格图像，对第二神经网络模型进行训练，得到目标图像风格迁移模型。采用本方法，有利于提高得到的高分辨率风格图像的真实感。CN113989104ACN113989104A权利要求书1/3页1.一种图像风格迁移模型的训练方法，其特征在于，包括：获取样本图像；所述样本图像至少包括第一样本图像和第二样本图像，所述第一样本图像由所述第二样本图像经过下采样处理得到；获取所述第一样本图像对应的第一目标风格图像，根据所述第一样本图像和所述第一目标风格图像，对第一神经网络模型进行训练，得到第一图像风格迁移模型；根据所述第一图像风格迁移模型，得到所述第二样本图像对应的第二目标风格图像；根据所述第二样本图像和所述第二目标风格图像，对第二神经网络模型进行训练，得到目标图像风格迁移模型。2.根据权利要求1所述的图像风格迁移模型的训练方法，其特征在于，所述根据所述第一图像风格迁移模型，得到所述第二样本图像对应的第二目标风格图像，包括：将所述第二样本图像输入所述第一图像风格迁移模型进行图像风格迁移处理，得到所述第二样本图像对应的第二目标风格图像；所述根据所述第二样本图像和所述第二目标风格图像，对第二神经网络模型进行训练，得到目标图像风格迁移模型，包括：将所述第二样本图像输入第二神经网络模型进行图像风格迁移处理，得到所述第二样本图像对应的第二预测风格图像；根据所述第二目标风格图像和所述第二预测风格图像之间的差值，得到损失值；根据所述损失值，对所述第二神经网络模型进行训练，得到所述目标图像风格迁移模型。3.根据权利要求1所述的图像风格迁移模型的训练方法，其特征在于，所述样本图像还包括N张第三样本图像，所述N张第三样本图像由所述第二样本图像经过下采样处理得到，或者，所述N张第三样本图像由所述第一样本图像经过上采样处理得到；所述第一样本图像、所述N张第三样本图像和所述第二样本图像的图像分辨率依次增大；所述N为正整数；所述根据所述第一图像风格迁移模型，得到所述第二样本图像对应的第二目标风格图像，还包括：按照图像分辨率从低到高的顺序，将所述N张第三样本图像中的第一张第三样本图像作为当前第三样本图像，输入所述第一图像风格迁移模型进行图像风格迁移处理，得到所述当前第三样本图像对应的第三目标风格图像；根据所述当前第三样本图像和所述当前第三样本图像对应的第三目标风格图像，对N个第三神经网络模型中的对应当前第三神经网络模型进行训练，得到当前第三图像风格迁移模型；将所述N张第三样本图像中的所述当前第三样本图像的下一张第三样本图像，重新作为当前第三样本图像，输入所述当前第三图像风格迁移模型进行图像风格迁移处理，得到所述当前第三样本图像对应的第三目标风格图像；重新根据所述当前第三样本图像和所述当前第三样本图像对应的第三目标风格图像，对所述N个第三神经网络模型中的对应当前第三神经网络模型进行训练，直到得到的当前第三图像风格迁移模型为第N个第三图像风格迁移模型；将所述第二样本图像输入所述第N个第三图像风格迁移模型进行图像风格迁移处理，得到所述第二样本图像对应的第二目标风格图像。2CN113989104A权利要求书2/3页4.根据权利要求3所述的图像风格迁移模型的训练方法，其特征在于，在将所述第二样本图像输入所述第N个第三图像风格迁移模型进行图像风格迁移处理，得到所述第二样本图像对应的第二目标风格图像之后，还包括：从所述第二目标风格图像中，筛选出与所述第二样本图像的图像内容之间的相似度大