图像快速仿真方法、装置、设备及存储介质.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CN113989397A(43)申请公布日2022.01.28(21)申请号202111131913.3(22)申请日2021.09.26(71)申请人南京旭锐软件科技有限公司地址210012江苏省南京市雨花台区软件大道109号4栋601室(72)发明人石景怡董波丁悦姜宇航顾礼将(74)专利代理机构北京润泽恒知识产权代理有限公司11319代理人莎日娜(51)Int.Cl.G06T9/00(2006.01)G06N3/04(2006.01)G06V10/774(2022.01)权利要求书3页说明书15页附图4页(54)发明名称图像快速仿真方法、装置、设备及存储介质(57)摘要本申请实施例公开了一种图像快速仿真方法、装置、设备及存储介质。所述方法包括：确定参与图像调整的n个目标图像处理模块；n为大于等于1的整数；获取n个目标图像处理模块对应的自编码网络模型；获取待调整对象；待调整对象包括原始Raw图像数据；当n等于1时，采用自编码网络模型，对Raw图像数据进行快速仿真；当n大于1时，确定n个目标图像处理模块的处理顺序，并按照处理顺序，串联n个目标图像处理模块，以获得串联仿真模型，再采用串联仿真模型，对Raw图像数据进行快速仿真。本申请实施例可以避免所有的图像处理模块进行逐个仿真，从而可以实现图像快速仿真，且自编码网络模型经过大量数据进行训练得到，从而可以保证图像质量。CN113989397ACN113989397A权利要求书1/3页1.一种图像快速仿真方法，其特征在于，所述方法包括：确定参与图像调整的n个目标图像处理模块；所述n为大于等于1的整数；获取所述n个目标图像处理模块对应的自编码网络模型；获取待调整对象；所述待调整对象包括原始Raw图像数据；当所述n等于1时，采用所述自编码网络模型，对所述Raw图像数据进行快速仿真；当所述n大于1时，确定所述n个目标图像处理模块的处理顺序；按照所述处理顺序，串联所述n个目标图像处理模块，以获得串联仿真模型；采用所述串联仿真模型，对所述Raw图像数据进行快速仿真。2.根据权利要求1所述的方法，其特征在于，还包括：获取所述n个目标图像处理模块对应的调整参数；所述调整参数为所述n个目标图像处理模块针对所述Raw图像数据进行调整而产生的数据；所述采用所述自编码网络模型，对所述Raw图像数据进行快速仿真，包括：向所述自编码网络模型输入所述Raw图像数据；所述自编码网络模型采用对应的调整参数，对所述Raw图像数据进行仿真，输出目标仿真图像；所述采用所述串联仿真模型，对所述Raw图像数据进行快速仿真，包括：向所述串联仿真模型输入所述Raw图像数据；在所述串联仿真模型中，各个自编码网络模型采用对应的调整参数，依次对所述Raw图像数据进行仿真，直至所述串联仿真模型输出目标仿真图像。3.根据权利要求2所述的方法，其特征在于，在所述串联仿真模型中，从第二个自编码网络模型开始，前一个自编码网络模型的输出数据为后一个自编码网络模型的输入数据。4.根据权利要求3所述的方法，其特征在于，所述自编码网络模型包括编码器和解码器；所述编码器用于将输入数据的维度转换为，适配于所述调整参数的维度，以使所述编码网络模型在同一维度上，将所述输入数据与所述调整参数进行编码，以获得目标编码数据；以及，所述解码器用于将所述目标编码数据的维度转换为，适配于所述输入数据的维度，以使所述目标仿真图像与所述Raw图像数据具有适配的维度。5.根据权利要求1所述的方法，其特征在于，通过如下方式训练所述各个自编码网络模型：分别获取m个图像处理模块对应的训练样本；所述训练样本包括样本Raw图像数据、样本调整参数以及平台级别仿真图像；其中，所述m为大于7的整数，所述m大于等于所述n；分别构建所述m个图像处理模块对应的自编码网络模型；采用所述自编码网络模型，对各个图像处理模块中的样本Raw图像数据和样本调整参数进行训练，分别获得所述m个图像处理模块对应的模型级别仿真图像；根据所述各个图像处理模块中的模型级别仿真图像以及平台级别仿真图像，分别计算所述m个图像处理模块对应的损失函数值；当所述各个图像处理模块中的损失函数值分别小于预设损失函数值时，确定完成对所述m个图像处理模块中的自编码网络模型的训练。2CN113989397A权利要求书2/3页6.根据权利要求5所述的方法，其特征在于，所述分别获取m个图像处理模块对应的训练样本，包括：分别确定所述各个图像处理模块对应的图像敏感类型，并依据所述图像敏感类型，分别拍摄所述各个图像处理模块对应的样本Raw图像数据；使用所述各个图像处理模块，分别对对应的样本Raw图像数据进行调整，获得所述m个图像处理模块对应的调整参数；分别对所述各个图像处理模块中