图像处理方法、装置、移动终端以及存储介质.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CN108898647A(43)申请公布日2018.11.27(21)申请号201810681262.7(22)申请日2018.06.27(71)申请人OPPO（重庆）智能科技有限公司地址401120重庆市渝北区回兴街道霓裳大道24号(72)发明人张弓(74)专利代理机构深圳市智圈知识产权代理事务所(普通合伙)44351代理人吕静(51)Int.Cl.G06T11/20(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书11页附图6页(54)发明名称图像处理方法、装置、移动终端以及存储介质(57)摘要本申请实施例公开了一种图像处理方法、装置、移动终端以及存储介质，涉及机器学习技术领域。所述方法包括：获取目标图像的待填充轮廓，将该待填充轮廓输入生成网络，对待填充轮廓进行填充，该生成网络基于卷积神经网络构架并通过对多个轮廓样本和多个物体样本进行训练获得，该多个轮廓样本和多个物体样本一一对应，获得对待填充轮廓进行填充后输出的填充物体。本申请实施例提供的图像处理方法、装置、移动终端以及存储介质通过卷积神经网络对图像全局语义信息的学习，利用数据集训练卷积网络，然后使用训练完成之后的网络模型根据物体的轮廓进行图像填充，提升填充效果。CN108898647ACN108898647A权利要求书1/2页1.一种图像处理方法，其特征在于，所述方法包括：获取目标图像的待填充轮廓；将所述待填充轮廓输入生成网络，对所述待填充轮廓进行填充，所述生成网络基于卷积神经网络构架并通过对多个轮廓样本和多个物体样本进行训练获得，所述多个轮廓样本和所述多个物体样本一一对应；获得对所述待填充轮廓进行填充后输出的填充物体。2.根据权利要求1所述的方法，其特征在于，所述获取目标图像的待填充轮廓之前，还包括：基于卷积神经网络构建生成网络和判别网络；获取训练数据集，所述训练数据集包括所述多个轮廓样本和所述多个物体样本；基于所述训练数据集对所述生成网络和所述判别网络进行训练，获得训练完成之后的生成网络和训练完成之后的判别网络。3.根据权利要求2所述的方法，其特征在于，所述基于所述训练数据集对所述生成网络和所述判别网络进行训练，获得训练完成之后的生成网络和训练完成之后的判别网络，包括：基于所述训练数据集对所述生成网络和所述判别网络进行训练；当训练次数达到预设次数或所述判别网络输出的结果处于收敛时，将当前生成网络确定为训练完成之后的生成网络，以及将当前判别网络确定为训练完成之后的判别网络。4.根据权利要求2所述的方法，其特征在于，所述基于所述训练数据集对所述生成网络和所述判别网络进行训练，获得训练完成之后的生成网络和训练完成之后的判别网络，包括：在所述生成网络中创建轮廓填充代价函数；基于所述轮廓填充代价函数和所述训练数据集对所述生成网络进行训练，获得所述训练完成之后的生成网络。5.根据权利要求2-4任一项所述的方法，其特征在于，所述基于所述训练数据集对所述生成网络和所述判别网络进行训练，获得训练完成之后的生成网络和训练完成之后的判别网络，包括：在所述判别网络中创建判别代价函数；基于所述判别代价函数和所述训练数据集对所述判别网络进行训练，获得所述训练完成之后的判别网络。6.根据权利要求5所述的方法，其特征在于，所述基于所述训练数据集对所述生成网络和所述判别网络进行训练，获得训练完成之后的生成网络和训练完成之后的判别网络，包括：将所述轮廓样本输入所述生成网络，获得对所述轮廓样本填充后的参考样本；分别将所述物体样本和所述参考样本输入所述判别网络，获得所述判别网络输出的判别概率，其中，所述判别概率为所述判别网络的输入图像为物体样本的概率；基于所述判别概率对所述生成网络和所述判别网络的配置参数进行调整，获得所述训练完成之后的生成网络和所述训练完成之后的判别网络。7.根据权利要求6所述的方法，其特征在于，所述基于所述判别概率对所述生成网络和2CN108898647A权利要求书2/2页所述判别网络的配置参数进行调整，包括：根据所述判别概率、所述物体样本以及所述参考样本确定所述轮廓填充代价函数和所述判别代价函数；根据所述轮廓填充代价函数和所述判别代价函数对所述生成网络和所述判别网络的配置参数进行调整。8.一种图像处理装置，其特征在于，所述装置包括：待填充轮廓获取模块，用于获取目标图像的待填充轮廓；待填充轮廓填充模块，用于将所述待填充轮廓输入生成网络，对所述待填充轮廓进行填充，所述生成网络基于卷积神经网络构架并通过对多个轮廓样本和多个物体样本进行训练获得，所述多个轮廓样本和所述多个物体样本一一对应；填充物体生成模块，用于获得对所述待填充轮廓进行填充后生成的填充物体。9.一种