[发明专利]数据处理方法、装置、图像生成方法及电子设备

说明书

本申请实施例公开了一种数据处理方法、装置、图像生成方法及电子设备。在该方法中会在每次的训练迭代的过程中，会先基于随机噪声以及训练集中通过器件采集到的图像数据更新生成器以及判别器各自的权重参数，得到第一更新参数，再基于第一更新参数、随机噪声以及验证集中通过器件采集到的图像数据得到最优生成器和最优判别器，然后基于该最优生成器和最优判别器得到对偶差值，以便基于该对偶差值更新生成器的结构参数，得到第二更新参数。从而通过前述方式使得可以减少训练过程中所需的参数量和计算复杂度，以降低训练耗时，也有利于降低对进行训练的电子设备的资源的消耗程度。并且，同时还可以提升所建立的生成器进行图像生成的性能。

技术领域

本申请涉及计算机技术领域，更具体地，涉及一种数据处理方法、装置、图像生成方法及电子设备。

背景技术

生成对抗网络(Generative Adversarial Network,GAN)是一类神经网络，通过轮流训练判别器(Discriminator)和生成器(Generator)，令其相互对抗，来从复杂概率分布中采样，例如生成图像、文字、语音等。但是，相关的生成对抗网络还存在训练时间长，进而会造成需要过渡消耗进行训练的电子设备的资源的问题，且所训练得到的生成对抗网络的性能还有待提升。

发明内容

鉴于上述问题，本申请提出了一种数据处理方法、装置、图像生成方法及电子设备，以改善上述问题。

第一方面，本申请提供了一种数据处理方法，所述方法包括：在当次训练迭代的过程中，基于随机噪声以及训练集中通过器件采集到的图像数据更新生成器以及判别器各自的权重参数，得到第一更新参数；基于所述第一更新参数、随机噪声以及验证集中通过器件采集到的图像数据得到最优生成器和最优判别器；基于对偶差值更新所述生成器的结构参数，得到第二更新参数，所述对偶差值为所述最优判别器对应于损失函数的值与所述最优生成器对应于所述损失函数的值之间的差值；若训练迭代次数满足阈值次数时，将当次训练得到的第一更新参数以及所述第二更新参数进行输出，若所述训练迭代次数不满足阈值次数时，进入下一次训练的过程；基于输出的第一更新参数以及第二更新参数建立生成器，以用于基于建立的生成器进行图像生成。

第二方面，本申请提供了一种图像生成方法，所述方法包括：获取随机生成的参数；将所述随机生成的参数输入到目标生成器，并获取所述目标生成器输出的图像；其中，所述目标生成器为基于前述的方法所建立的生成器。

第三方面，本申请提供了一种数据处理装置，所述装置包括：权重参数更新单元、第一网络生成单元、结构参数更新单元、参数输出单元以及第二网络生成单元。其中，权重参数更新单元，用于在当次训练迭代的过程中，基于随机噪声以及训练集中通过器件采集到的图像数据更新生成器以及判别器各自的权重参数，得到第一更新参数；第一网络生成单元，用于基于所述第一更新参数、随机噪声以及验证集中通过器件采集到的图像数据得到最优生成器和最优判别器；结构参数更新单元，用于基于对偶差值更新所述生成器的结构参数，得到第二更新参数，所述对偶差值为所述最优判别器对应于损失函数的值与所述最优生成器对应于所述损失函数的值之间的差值；参数输出单元，用于若训练迭代次数满足阈值次数时，将当次训练得到的第一更新参数以及所述第二更新参数进行输出，若所述训练迭代次数不满足阈值次数时，进入下一次训练的过程；第二网络生成单元，用于基于输出的第一更新参数以及第二更新参数建立生成器，以用于基于建立的生成器进行图像生成。

第四方面，本申请提供了一种图像生成装置，所述装置包括：随机生成获取单元以及图像生成单元。其中，随机生成获取单元，用于获取随机生成的参数；图像生成单元，用于将所述随机生成的参数输入到目标生成器，并获取所述目标生成器输出的图像；其中，所述目标生成器为基于前述方法所建立的生成器。

第五方面，本申请提供了一种电子设备，包括处理器以及存储器；一个或多个程序被存储在所述存储器中并被配置为由所述处理器执行以实现上述的方法。