模型训练方法、装置、计算机设备和存储介质.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CN113673675A(43)申请公布日2021.11.19(21)申请号202110913510.8(22)申请日2021.08.10(71)申请人OPPO广东移动通信有限公司地址523860广东省东莞市长安镇乌沙海滨路18号(72)发明人黄晨荃(74)专利代理机构广州华进联合专利商标代理有限公司44224代理人董婷婷(51)Int.Cl.G06N3/04(2006.01)G06N3/08(2006.01)G06T3/40(2006.01)权利要求书2页说明书14页附图6页(54)发明名称模型训练方法、装置、计算机设备和存储介质(57)摘要本申请涉及一种模型训练方法、装置、计算机设备和存储介质。所述方法包括：利用第一低分辨率图像样本，训练生成式对抗模型，得到目标生成式对抗模型，将高分辨率图像样本输入目标生成式对抗模型的生成器，得到第二低分辨率图像样本，对第二低分辨率图像样本进行质量退化处理，得到目标低分辨率图像样本，基于目标低分辨率图像样本和高分辨率图像样本，训练超分辨率模型，得到目标超分辨率模型。使用本方法能够提高目标超分辨率模型输出的高分辨率图像的质量。CN113673675ACN113673675A权利要求书1/2页1.一种模型训练方法，其特征在于，所述方法包括：利用第一低分辨率图像样本，训练生成式对抗模型，得到目标生成式对抗模型；将高分辨率图像样本输入所述目标生成式对抗模型的生成器，得到第二低分辨率图像样本；对所述第二低分辨率图像样本进行质量退化处理，得到目标低分辨率图像样本；基于所述目标低分辨率图像样本和所述高分辨率图像样本，训练超分辨率模型，得到目标超分辨率模型。2.根据权利要求1所述的方法，其特征在于，所述对所述第二低分辨率图像样本进行质量退化处理，得到目标低分辨率图像样本，包括：获取所述第一低分辨率图像样本中的噪声；将所述噪声添加到所述第二低分辨率图像样本，得到所述目标低分辨率图像样本。3.根据权利要求2所述的方法，其特征在于，所述获取所述第一低分辨率图像样本中的噪声，包括：从所述第一低分辨率图像样本中裁剪出部分区域；确定所述部分区域的像素值的均值；根据所述第一低分辨率图像样本中各像素的像素值与所述均值的差值，获取所述第一低分辨率图像样本中的噪声。4.根据权利要求1所述的方法，其特征在于，所述对所述第二低分辨率图像样本进行质量退化处理，得到目标低分辨率图像样本，包括：获取目标压缩率，其中，所述目标压缩率是预设压缩率范围内的任一数值；根据所述目标压缩率以及所述第二低分辨率图像样本所占用的存储资源的大小，对所述第二低分辨率图像样本进行质量退化处理，得到目标低分辨率图像样本。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所述高分辨率图像样本进行锐化处理，得到锐化处理后的高分辨率图像样本；所述基于所述目标低分辨率图像样本以及所述高分辨率图像样本，训练预设的超分辨率模型，得到目标超分辨率模型，包括：基于所述目标低分辨率图像样本以及锐化处理后的高分辨率图像样本，训练所述超分辨率模型，得到目标超分辨率模型。6.根据权利要求1所述的方法，其特征在于，所述利用第一低分辨率图像样本，训练生成式对抗模型，得到目标生成式对抗模型，包括：将所述第一低分辨率图像样本输入所述生成式对抗模型的生成器，得到第三低分辨率图像样本；从所述第一低分辨率图像样本中裁剪出第一图像块，并从所述第三低分辨率图像样本中裁剪出第二图像块；将所述第一图像块以及所述第二图像块分别输入所述生成式对抗模型的判别器，得到第一概率以及第二概率；根据所述第一概率和所述第二概率，训练所述生成式对抗模型，得到所述目标生成式对抗模型；其中，所述第一概率是所述第一图像块属于所述第一低分辨率图像样本的概率，所述2CN113673675A权利要求书2/2页第二概率是所述第二图像块属于所述第一低分辨率图像样本的概率。7.根据权利要求6所述的方法，其特征在于，所述将所述第一图像块以及所述第二图像块分别输入所述生成式对抗模型的判别器，得到第一概率以及第二概率，包括：分别从所述第一图像块和所述第二图像块中提取高频信息；将所述第一图像块的高频信息以及所述第二图像块的高频信息输入所述判别器，得到所述第一概率和所述第二概率。8.根据权利要求1所述的方法，其特征在于，所述超分辨率模型包括上采样层、与所述上采样层连接的第一像素重组层、所述第一像素重组层连接的特征提取层以及与所述特征提取层连接的第二像素重组层；所述上采样层用于对所述目标低分辨率图像样本进行上采样处理，得到第一高分辨率图像；所述第一像素重组层用于提取所述第一高分辨率图像的特征，得到第一特征图，并对所述第一特征图进行像素重组，得到第二特征图；所述特征提取