[发明专利]模型训练、图像处理方法、装置、计算机设备和存储介质

说明书

本申请公开了模型训练、图像处理方法、装置、计算机设备和存储介质，可获取待训练的生成对抗网络的样本图像和样本图像对应的真实语义信息；通过生成网络的特征提取模块，提取样本图像的目标特征图；通过生成网络的语义分割模块，基于目标特征图确定样本图像中各像素点的预测类别信息；通过生成对抗网络的对抗网络，确定预测语义信息为样本图像真实的语义信息的第一概率和真实语义信息为样本图像真实的语义信息的第二概率；基于第一概率和第二概率调整生成对抗网络的参数得到训练完成的生成对抗网络，生成网络的一部分损失源于对抗网络对预测语义图像的识别结果，所以可降低模型训练对人工经验的依赖，丰富模型的损失来源，有利于提升模型性能。

技术领域

本申请涉及计算机视觉技术领域，具体涉及一种模型训练、图像处理方法、装置、计算机设备和存储介质。

背景技术

目前，计算机视觉技术中有一种图像语义分割技术，可以对图像进行语义分割，得到某图像的语义图像，而相关技术中一般采用基于深度网络的语义分割模型，来获取图像的语义图像。该方案中语义分割模型的损失函数一般由人工定义，损失函数的构造形式很依赖行业的经验，模型的语义分割效果对人工构造的函数的依赖很大。

发明内容

本发明实施例提供一种模型训练、图像处理方法、装置、计算机设备和存储介质，可以基于生成对抗网络中的生成网络实现图像的语义分割，降低语义分割效果对人工构造的函数的依赖性。

本发明实施例提供一种模型训练方法，该方法包括：

获取样本图像和所述样本图像对应的真实语义信息，所述样本图像对应的真实语义信息包括所述样本图像中各像素点的真实类别信息；

将所述样本图像输入到待训练的生成对抗网络中的生成网络，通过所述生成网络的特征提取模块对所述样本图像进行特征提取得到所述样本图像的目标特征图；

通过所述生成网络的语义分割模块，基于所述目标特征图确定所述样本图像对应的预测语义信息，所述样本图像对应的预测语义信息包括所述样本图像中各像素点的预测类别信息；

通过所述待训练的生成对抗网络中的对抗网络，基于所述样本图像的真实语义信息和预测语义信息，确定所述预测语义信息属于所述样本图像的真实的语义信息的第一概率，以及所述真实语义信息属于所述样本图像的真实的语义信息的第二概率；

基于所述第一概率和第二概率调整所述生成对抗网络的参数，得到训练完成的生成对抗网络。

本发明实施例提供一种图像处理方法，该方法包括：

将目标图像输入训练完成的生成网络，其中，所述生成网络为前述示例中的模型训练方法训练得到的；

基于所述生成网络的特征提取模块，对所述目标图像进行特征提取得到所述目标图像的目标特征图；

通过所述生成网络的语义分割模块，基于所述目标特征图确定所述目标图像对应的预测语义信息，所述目标图像对应的预测语义信息包括所述目标图像中各像素点的预测类别信息。

本发明实施例还提供一种模型训练装置，该装置包括：

样本获取单元，用于获取样本图像和所述样本图像对应的真实语义信息，所述样本图像对应的真实语义信息包括所述样本图像中各像素点的真实类别信息；

样本特征提取单元，用于将所述样本图像输入到待训练的生成对抗网络中的生成网络，通过所述生成网络的特征提取模块对所述样本图像进行特征提取得到所述样本图像的目标特征图；

样本语义分割单元，用于通过所述生成网络的语义分割模块，基于所述目标特征图确定所述样本图像对应的预测语义信息，所述样本图像对应的预测语义信息包括所述样本图像中各像素点的预测类别信息；