[发明专利]模型生成方法、图像增强方法、装置及计算机可读存储介质

权利要求书

1.一种模型生成方法，其特征在于，所述方法包括：

利用初始图像增强模型对m张第一样本图像进行增强处理，得到m张第一样本增强图像；所述m为正整数；

利用初始判别模型确定每张第一样本增强图像的类别值，以及n张第二样本图像中每张第二样本图像的类别值；所述第二样本图像的质量高于所述第一样本图像的质量；所述n为正整数；所述类别值为图像属于某个类别的概率值；

根据每张第一样本增强图像的类别值、每张第二样本图像的类别值以及目标类别值，获取所述初始图像增强模型的损失值；

若所述初始图像增强模型的损失值在第一预设范围内，将所述初始图像增强模型作为图像增强模型；

若所述初始图像增强模型的损失值不在第一预设范围内，基于所述损失值表示的误差程度调整所述初始图像增强模型的参数；

利用调整后的初始图像增强模型、所述m张第一样本图像以及所述n张第二样本图像，对所述初始判别模型进行更新；

从训练样本集中抽取m张第一样本图像，并重新执行所述利用初始图像增强模型对m张第一样本图像进行增强处理的步骤。

2.根据权利要求1所述的方法，其特征在于，所述利用调整后的初始图像增强模型、所述m张第一样本图像以及所述n张第二样本图像，对所述初始判别模型进行更新，包括：

利用调整后的初始图像增强模型对所述m张第一样本图像进行增强处理，得到m张第二样本增强图像；

利用所述初始判别模型确定每张第二样本增强图像的类别值以及每张第二样本图像的类别值；

根据每张第二样本增强图像的类别值、每张第二样本图像的类别值以及所述目标类别值，获取所述初始判别模型的损失值；

若所述初始判别模型的损失值不在第二预设范围内，基于所述损失值表示的误差程度调整所述初始判别模型的参数；

基于所述m张第二样本增强图像以及所述n张第二样本图像，对调整后的初始判别模型继续进行训练，并在对所述初始判别模型的训练次数达到预设次数，或所述初始判别模型的损失值在第二预设范围内时，停止对所述初始判别模型进行更新。

3.根据权利要求1所述的方法，其特征在于，所述初始图像增强模型包括第一卷积层、第一全连接层以及反卷积层，所述初始图像增强模型中的参数至少包括所述第一卷积层中卷积核的值，所述第一全连接层中的第一权重矩阵；

所述利用初始图像增强模型对m张第一样本图像进行增强处理，得到m张第一样本增强图像，包括：

对于每张所述第一样本图像，通过所述第一卷积层将所述第一样本图像中每个像素组成的像素矩阵，与所述第一卷积层中的卷积核进行卷积运算，得到卷积后的第一像素矩阵；

通过所述第一全连接层将所述第一权重矩阵与所述第一像素矩阵相乘，得到第二像素矩阵；

通过所述反卷积层对所述第二像素矩阵进行反卷积运算，得到第一样本增强图像。

4.根据权利要求1所述的方法，其特征在于，所述初始判别模型包括第二卷积层及第二全连接层，所述初始判别模型中的参数至少包括所述第二卷积层中卷积核的值，所述第二全连接层中的第二权重矩阵；

所述利用初始判别模型确定每张第一样本增强图像的类别值，以及n张第二样本图像中每张第二样本图像的类别值，包括：

将每张第一样本增强图像以及每张第二样本图像作为判别图像，通过所述第二卷积层将所述判别图像中每个像素组成的像素矩阵，与所述第二卷积层中的卷积核进行卷积运算，得到卷积后的第三像素矩阵；

将所述第三像素矩阵转换为单一向量矩阵，并通过所述第二全连接层计算所述第二全连接层中第二权重矩阵与所述单一向量矩阵的乘积，得到所述判别图像的类别值。

5.一种图像增强方法，其特征在于，所述方法包括：

将待处理图像输入图像增强模型；

通过所述图像增强模型对所述待处理图像进行增强处理，得到目标图像；其中，所述图像增强模型是利用权利要求1至4中任一项所述的方法生成的。