图像生成方法、装置、电子设备和存储介质.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CN113744158A(43)申请公布日2021.12.03(21)申请号202111055521.3(22)申请日2021.09.09(71)申请人讯飞智元信息科技有限公司地址230088安徽省合肥市高新区望江西路666号讯飞大厦8层-10层(72)发明人杨文康张友国吕军姜殿洪程效根尹大海谭昶(74)专利代理机构北京路浩知识产权代理有限公司11002代理人程琛(51)Int.Cl.G06T5/00(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书14页附图6页(54)发明名称图像生成方法、装置、电子设备和存储介质(57)摘要本发明提供一种图像生成方法、装置、电子设备和存储介质，所述方法包括：将原始图像输入至第一图像生成模型，得到第一图像生成模型输出的虚拟图像；第一图像生成模型以特征一致性为约束，结合第二图像生成模型、第一图像判别模型和第二图像判别模型，循环对抗训练得到；特征一致性包括第一样本图像与第一虚拟图像中包含的目标特征的一致性，以及第二样本图像与第二虚拟图像中包含的目标特征的一致性。本发明不仅能够准确生成包含有原始图像目标特征的虚拟图像，而且降低了样本采集难度和采集成本。CN113744158ACN113744158A权利要求书1/3页1.一种图像生成方法，其特征在于，包括：确定原始图像；将所述原始图像输入至第一图像生成模型，得到所述第一图像生成模型输出的虚拟图像；所述第一图像生成模型以特征一致性为约束，结合第二图像生成模型、第一图像判别模型和第二图像判别模型，循环对抗训练得到；所述特征一致性包括第一样本图像与第一虚拟图像中包含的目标特征的一致性，以及第二样本图像与第二虚拟图像中包含的目标特征的一致性，所述第一虚拟图像是所述第一图像生成模型对应的第一初始生成模型基于所述第一样本图像确定的，所述第二虚拟图像是所述第二图像生成模型对应的第二初始生成模型基于所述第二样本图像确定的。2.根据权利要求1所述的图像生成方法，其特征在于，所述循环对抗训练的损失函数是基于特征一致性损失函数和循环对抗损失函数确定的；所述特征一致性损失函数用于表征所述特征一致性的损失值；所述循环对抗损失函数用于表征所述第一图像生成模型、所述第二图像生成模型、所述第一图像判别模型和所述第二图像判别模型进行循环对抗训练的损失值。3.根据权利要求2所述的图像生成方法，其特征在于，所述第一图像生成模型是基于如下步骤训练得到的：将所述第一样本图像输入至所述第一初始生成模型，得到所述第一初始生成模型输出的所述第一虚拟图像，并将所述第一虚拟图像输入至所述第二初始生成模型，得到所述第二初始模型输出的第一还原图像；将所述第二样本图像输入至所述第二初始生成模型，得到所述第二初始生成模型输出的所述第二虚拟图像，并将所述第二虚拟图像输入至所述第一初始生成模型，得到所述第一初始模型输出的第二还原图像；将所述第一样本图像输入至所述第二初始生成模型，得到所述第二初始生成模型输出的第三虚拟图像，以及将所述第二样本图像输入至所述第一初始生成模型，得到所述第一初始生成模型输出的第四虚拟图像；将所述第一样本图像以及所述第二虚拟图像输入至所述第一图像判别模型的第一初始判别模型，得到所述第一初始判别模型输出的第一分类结果，以及将所述第二样本图像以及所述第一虚拟图像输入至所述第二图像判别模型的第二初始判别模型，得到所述第二初始判别模型输出的第二分类结果；基于所述第一样本图像、所述第二样本图像、所述第一虚拟图像以及所述第二虚拟图像，确定所述特征一致性的损失值，以及基于所述第一样本图像、所述第二样本图像、所述第一虚拟图像、所述第二虚拟图像、所述第三虚拟图像、所述第四虚拟图像、所述第一还原图像、所述第二还原图像、所述第一分类结果以及所述第二分类结果，确定所述循环对抗训练的损失值；基于所述特征一致性的损失值，以及所述循环对抗训练的损失值进行训练，得到所述第一图像生成模型。4.根据权利要求1至3任一项所述的图像生成方法，其特征在于，所述目标特征是基于如下步骤确定的：2CN113744158A权利要求书2/3页基于图像中各像素区域的邻域像素，确定各像素区域的二值化阈值；基于各像素区域的二值化阈值，对所述图像的各像素区域进行二值化处理，得到所述图像的二值化图；基于所述二值化图，确定所述图像中包含的目标特征；所述图像为所述第一样本图像、所述第二样本图像、所述第一虚拟图像以及所述第二虚拟图像中的至少一种。5.根据权利要求1所述的图像生成方法，其特征在于，所述将所述原始图像输入至第一图像生成模型，得到所述第一图像生成模型输出的虚拟图像，包括：将所述原始图像的初始特征输入至所述第一图像生成