[发明专利]图像处理的方法、装置、系统及计算机存储介质

说明书

本发明实施例提供了一种图像处理的方法、装置、系统及计算机存储介质。所述方法包括：通过如下方式训练得到生成对抗网络，所述生成对抗网络包括生成模型和判别模型：将输入图像输入至生成模型，得到输出图像，其中，所述输出图像与所述输入图像具有不同的风格；将所述输出图像输入至判别模型，得到输出值；根据预定义的损失函数，对生成模型和判别模型进行训练，直到收敛；使用训练好的生成模型，得到与训练好的生成模型的输入图像具有不同风格的目标图像。由此，本发明实施例能够通过训练得到生成对抗网络，并基于该生成对抗网络的生成模型得到与输入图像具有不同风格的目标图像，从而能够扩充用于车辆检测的数据集，进而保证车辆检测的效果。

技术领域

本发明涉及图像处理领域，更具体地涉及一种图像处理的方法、装置、系统及计算机存储介质。

背景技术

车辆检测是图像检测领域的一个重要方面。车辆检测的效果依赖于大量的数据，即数据集。若数据集中的数据不足会严重影响检测结果的可靠性，并无法适应更广泛的场景。因此，在车辆检测的场景中，期望数据集中存在各种风格的数据，因此，如何获取各种风格的数据是急需解决的问题之一。

发明内容

考虑到上述问题而提出了本发明。本发明提供了一种图像处理的方法、装置、系统及计算机存储介质，能够使用训练好的生成模型生成不同风格的目标图像。

根据本发明的一方面，提供了一种图像处理的方法，所述方法包括：

通过如下方式训练得到生成对抗网络，所述生成对抗网络包括生成模型和判别模型：

将输入图像输入至所述生成模型，得到输出图像，其中，所述输出图像与所述输入图像具有不同的风格；

将所述输出图像输入至所述判别模型，得到输出值；

根据预定义的损失函数，对所述生成模型和所述判别模型进行训练，直到收敛；

使用所述训练好的所述生成模型，得到与所述训练好的生成模型的输入图像具有不同风格的目标图像。

在本发明的一个实施例中，所述根据预定义的损失函数，对所述生成模型和所述判别模型进行训练，直到收敛，包括：

根据预定义的多个损失函数的加权和，判断是否收敛。

在本发明的一个实施例中，所述根据预定义的多个损失函数的加权和，判断是否收敛，包括：

若所述多个损失函数的加权和在连续多个迭代中的结果之间的差值小于预设误差值，则确定达到收敛。

在本发明的一个实施例中，所述预定义的损失函数包括风格损失函数，或者，所述预定义的损失函数包括风格损失函数和材质损失函数。

在本发明的一个实施例中，所述输出值表示所述输出图像为真实图像的概率。

在本发明的一个实施例中，所述输入图像为包括车辆的图像。

在本发明的一个实施例中，还包括：

将所述目标图像添加至已有数据集以生成新的数据集；

基于所述新的数据集进行车辆检测。

根据本发明的另一方面，提供了一种图像处理的装置，所述装置用于实现前述方面或各个实施例所述方法的步骤，所述装置包括：

训练模块，用于通过如下方式训练得到生成对抗网络，所述生成对抗网络包括生成模型和判别模型：

将输入图像输入至所述生成模型，得到输出图像，其中，所述输出图像与所述输入图像具有不同的风格；

将所述输出图像输入至所述判别模型，得到输出值；

根据预定义的损失函数，对所述生成模型和所述判别模型进行训练，直到收敛；