[发明专利]神经网络模型的训练方法、装置及智能终端

权利要求书

1.一种神经网络模型的训练方法，其特征在于，所述方法包括：

对训练样本图像HR^*进行图像预处理，得到所述训练样本图像HR^*的至少两个训练样本图像副本，所述至少两个训练样本图像副本构成图像组，所述图像预处理包括降噪处理、图像下采样处理、裁剪处理和缩小处理中的任意一种或几种的组合；

构建神经网络模型，所述神经网络模型由第一区分网络、第二区分网络、图像缩小网络和图像放大网络组成；其中，所述第一区分网络用于区分由所述图像缩小网络输出的图像与第一预设图像是否相同，第二区分网络用于区分由所述图像放大网络输出的图像与第二预设图像是否相同，所述第一预设图像为所述图像组中的对所述训练样本图像HR^*进行图像下采样处理得到的第二图像LR^*，或者为所述图像组中的对所述训练样本图像HR^*进行随机裁剪处理后得到的第三图像LR′；所述第二预设图像为所述图像组中的对所述训练样本图像HR^*进行降噪处理得到的第一图像HR′；所述图像缩小网络和所述图像放大网络用于实现图像分辨率的变换；

将所述图像组输入所构建的神经网络模型，对所述神经网络模型进行训练，其中，所述第一图像HR′作为所述图像缩小网络的输入图像，经所述图像缩小网络输出的第四图像LR作为所述图像放大网络的输入图像，经所述图像放大网络输出第五图像HR，所述第一图像HR′为对所述训练样本图像HR^*进行降噪处理得到的图像。

2.如权利要求1所述的方法，其特征在于，在构建神经网络模型的步骤之前，还包括：

根据二分类模型，构建所述第一区分网络和所述第二区分网络；

基于图像的预设标签值和真实标签值，计算所述第一区分网络和所述第二区分网络的区分损失；

基于计算得到的所述第一区分网络和所述第二区分网络的区分损失，对所述第一区分网络和所述第二区分网络的参数进行调整。

3.如权利要求1或2所述的方法，其特征在于，在所述将所述图像组输入所构建的神经网络模型，对所述神经网络模型进行训练的步骤中，包括：

基于预设损失函数，分别对所述图像缩小网络和所述图像放大网络的参数进行调整；

基于所述第一区分网络，对所述图像缩小网络的参数进行调整；

基于所述第二区分网络，对所述图像放大网络的参数进行调整；

其中，所述预设损失函数为由像素损失函数和特征损失函数组合而成的多级损失函数，其中：

像素损失函数为：

其中，在所述图像放大网络中，I^ref表示所述第一图像HR′、G_θ(G)(I_in)_x,y表示所述第五图像HR；在所述图像缩小网络中，I^ref表示所述第三图像LR′、G_θ(G)(I_in)_x,y表示所述第四图像LR；所述第四图像LR为所述第一图像HR′输入所述图像缩小网络进行缩小后得到图像，所述第五图像HR为所述第四图像LR输入所述图像放大网络进行放大后得到图像；W与H分别代表像素提取矩阵的宽和高，x与y分别代表相应宽和高上的位置坐标；

所述特征损失函数为：

其中，I^ref和G_θ(G)(I_in)_x,y在图像放大网络中分别对应第一图像HR′和第五图像HR；I^ref和G_θ(G)(I_in)_x,y在图像缩小网络中分别对应第三图像LR′和第四图像LR；W与H分别代表特征提取矩阵的宽和高，x与y分别代表相应宽和高上的位置坐标；φ表示所使用的用于提取图像的内容特征的神经网络。