[发明专利]一种图像融合的方法、模型训练的方法以及相关装置

说明书

本申请公开了一种图像融合的方法，包括：获取第一待融合图像以及第二待融合图像；根据第一待融合图像获取第一特征集合，根据第二待融合图像获取第二特征集合，第一特征集合包括多个第一编码特征，第二特征集合包括多个第二编码特征；通过形状融合网络模型对第一待融合图像以及第二待融合图像进行融合处理得到第三待融合图像，第三待融合图像包括至少一个第一编码特征以及至少一个第二编码特征；通过条件融合网络模型对第三待融合图像以及第一待融合图像进行融合处理得到目标融合图像。本申请公开了一种模型训练的方法及装置。本申请可快速地对图像中的局部区域进行改变，形成融合图像，融合图像的身份信息与原始输入图像的身份信息未发生变化。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种图像融合的方法、模型训练的方法以及相关装置。

背景技术

人脸融合是指依托人脸识别算法和深度学习引擎，快速精准地定位人脸关键点，将用户上传的照片与特定形象进行面部层面融合，使生成的图片同时具备用户与特定形象的外貌特征。在融合人脸的同时，支持对上传的照片进行识别，可提高活动的安全性，降低业务违规风险。

目前，人脸融合的技术主要是利用对抗神经网络生成图像。在人脸图像解缠绕时采用无监督学习的方法，即把人脸图像中的特征划分为若干个语块，每一个语块单独编码某一方面的特征，最后生成融合后的人脸图像。

然而，利用对抗神经网络生成的人脸图像不能保证该人脸图像的身份与原始输入的身份一致，从而降低到了人脸识别的准确度。此外，由于在编码的过程中采用无监督方法，因此，只能保证每个语块的独立性，但不能确定每个语块所表示的含义，从而不利于图像融合的灵活性。

发明内容

本申请实施例提供了一种图像融合的方法、模型训练的方法以及相关装置，可以快速地对一个图像中的局部区域进行改变，形成融合图像，且融合图像的身份信息与原始输入图像的身份信息没有发生变化。

有鉴于此，本申请第一方面提供一种图像融合的方法，包括：

获取第一待融合图像以及第二待融合图像，其中，所述第一待融合图像包括多个第一区域，所述第二待融合图像包括多个第二区域；

根据所述第一待融合图像获取第一特征集合，且根据所述第二待融合图像获取第二特征集合，其中，所述第一特征集合包括多个第一编码特征，且所述第一编码特征与所述第一区域一一对应，所述第二特征集合包括多个第二编码特征，且所述第二编码特征与所述第二区域一一对应；

通过形状融合网络模型对所述第一待融合图像以及所述第二待融合图像进行融合处理，得到第三待融合图像，其中，所述第三待融合图像包括至少一个第一编码特征以及至少一个第二编码特征；

通过条件融合网络模型对所述第三待融合图像以及所述第一待融合图像进行融合处理，得到目标融合图像。

本申请第二方面提供一种模型训练的方法，包括：

获取第一待训练图像的第一特征集合以及第二待训练图像的第二特征集合，其中，所述第一待训练图像包括多个第一训练区域，所述第二待训练图像包括多个第二训练区域，所述第一特征集合包括多个第一编码特征，且所述第一编码特征与所述第一区域一一对应，所述第二特征集合包括多个第二编码特征，且所述第二编码特征与所述第二区域一一对应；

通过待训练形状融合网络模型对所述第一待训练图像以及所述第二待训练图像进行融合处理，得到第三待训练图像，其中，所述第三待训练图像包括至少一个第一编码特征以及至少一个第二编码特征；

通过待训练条件融合网络模型对所述第三待训练图像以及所述第一待训练图像进行融合处理，得到第四待训练图像；

通过所述待训练形状融合网络模型对所述第四待训练图像以及所述第一待训练图像进行融合处理，得到第五待训练图像，其中，所述第五待训练图像与所述第一待训练图像具有对应的特征；