[发明专利]一种图像处理方法、装置、存储介质及电子设备

说明书

本发明实施例公开了一种图像处理方法、装置、存储介质及电子设备，其中方法包括：获取待处理图像，提取所述待处理图像的当前属性特征、形状特征、纹理特征以及待处理图像的目标属性特征；将所述当前属性特征、所述形状特征和所述目标属性特征输入至预先训练的形状迁移模型中，生成所述目标属性对应的形状特征；将所述当前属性特征、所述纹理特征和所述目标属性特征输入至预先训练的纹理迁移模型中，生成所述目标属性对应的纹理特征；基于所述目标属性对应的纹理特征和所述形状特征进行特征融合，得到目标属性对应的目标图像。在形状特征和纹理特征两个维度上的迁移学习，提高了待处理图像迁移学习的精度以及目标图像的质量。

技术领域

本发明实施例涉及自动驾驶技术，尤其涉及一种图像处理方法、装置、存储介质及电子设备。

背景技术

近年来，深度学习在很多领域都取得了非常好的效果，从图像分类、语音识别到自然语言处理等。目前深度学习在图像处理领域被广泛应用。

但是在实现本发明的过程中，发明人发现现有技术中至少存在以下技术问题：在图像迁移学习中，同一类型的迁移采用通用模式，学习到的图像个体差异性小，图像迁移精度低。

发明内容

本发明实施例提供一种图像处理方法、装置、存储介质及电子设备，以实现提供图像精度。

第一方面，本发明实施例提供了一种图像处理方法，包括：

获取待处理图像，提取所述待处理图像的当前属性特征、形状特征、纹理特征以及待处理图像的目标属性特征；

将所述当前属性特征、所述形状特征和所述目标属性特征输入至预先训练的形状迁移模型中，生成所述目标属性对应的形状特征；

将所述当前属性特征、所述纹理特征和所述目标属性特征输入至预先训练的纹理迁移模型中，生成所述目标属性对应的纹理特征；

基于所述目标属性对应的纹理特征和所述形状特征进行特征融合，得到目标属性对应的目标图像。

第二方面，本发明实施例还提供了一种图像处理方法，：

特征提取模块，用于获取待处理图像，提取所述待处理图像的当前属性特征、形状特征、纹理特征以及待处理图像的目标属性特征；

形状特征迁移模块，用于将所述当前属性特征、所述形状特征和所述目标属性特征输入至预先训练的形状迁移模型中，生成所述目标属性对应的形状特征；

纹理特征迁移模块，用于将所述当前属性特征、所述纹理特征和所述目标属性特征输入至预先训练的纹理迁移模型中，生成所述目标属性对应的纹理特征；

目标图像生成模块，用于基于所述目标属性对应的纹理特征和所述形状特征进行特征融合，得到目标属性对应的目标图像。

第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明任一实施例提供的图像处理方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例提供的图像处理方法。

本发明实施例提供的技术方案，通过设置形状迁移模型和纹理迁移模型，将待处理图像在形状和纹理两个维度上进行解耦，并基于设置的形状迁移模型和纹理迁移模型分别对形状特征和纹理特征分别进行迁移学习，实现了对待处理图像的形状特征和纹理特征的分布独立的迁移学习，提高了各个维度特征的迁移学习精度，同时在形状特征和纹理特征两个维度上的迁移学习，提高的待处理图像迁移学习的全面性，进一步提高了待处理图像迁移学习的精度以及目标图像的质量。

附图说明

图1为本发明实施例一提供的一种图像处理方法的流程示意图；