[发明专利]图像融合模型的训练方法、图像融合方法及电子设备

权利要求书

1.一种图像融合模型的训练方法，其特征在于，包括：

获取样本图像；

接收第一用户作用于目标图像中的第一目标人脸图像上的第一输入，并基于所述第一输入构建标签数据集合，所述标签数据集合包括至少一个标签数据组，所述目标图像为所述样本图像中至少一张图像；

基于所述至少一个标签数据组构建损失函数，并基于所述损失函数对图像融合模型进行训练，以得到训练后的图像融合模型；

其中，所述损失函数包括正负样本监督信号的放大因子。

2.根据权利要求1所述的方法，其特征在于，所述接收第一用户作用于目标图像中的第一目标人脸图像上的第一输入，并基于所述第一输入构建标签数据集合，包括：

接收第一用户作用于目标图像中的第一目标人脸图像上的第一输入，并将所述第一目标人脸图像以及第一目标图像组作为第一标签数据组，所述第一目标图像组为包括所述第一目标人脸对应的人物对象的目标图像；

基于所述第一标签数据组对初始图像融合模型进行第一训练；

将未标注图像作为经过所述第一训练后的初始图像融合模型的输入，并获取所述初始图像融合模型输出的第二标签数据组；

基于所述第一标签数据组及所述第二标签数据组构建所述标签数据集合；

其中，所述未标注图像为所述样本图像中未接收到所述第一输入的图像，所述第二标签数据组包括所述未标注图像中经所述图像融合模型标注的人脸图像，所述图像融合模型为所述初始图像融合模型经基于所述损失函数训练后得到的模型。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第一标签数据组及所述第二标签数据组构建所述标签数据集合之前，所述方法还包括：

获取所述样本图像中的第二目标人脸图像，所述第二目标人脸图像为第二用户标注的人脸图像；

将所述第二目标人脸图像作为第三标签数据组；

所述基于所述第一标签数据组及所述第二标签数据组构建所述标签数据集合，包括：

基于所述第一标签数据组、所述第二标签数据组及所述第三标签数据组构建所述标签数据集合。

4.根据权利要求3所述的方法，其特征在于，所述基于所述第一标签数据组、所述第二标签数据组及所述第三标签数据组构建所述标签数据集合之前，所述方法还包括：

获取第四标签数据组，所述第四标签数据组包括针对预设图像进行标注的人脸图像；

所述基于所述第一标签数据组、所述第二标签数据组及所述第三标签数据组构建所述标签数据集合，包括：

基于所述第一标签数据组、所述第二标签数据组、所述第三标签数据组及所述第四标签数据组构建所述标签数据集合。

5.根据权利要求4所述的方法，其特征在于，所述基于所述至少一个标签数据组构建损失函数，并基于所述损失函数对图像融合模型进行训练，包括：

基于所述第一标签数据组、所述第二标签数据组、所述第三标签数据组及所述第四标签数据组分别构建损失函数；

基于分别构建的损失函数对所述图像融合模型进行监督学习训练。

6.根据权利要求5所述的方法，其特征在于，所述损失函数还包括与各标签数据组分别对应的权重值，且不同标签数据组对应的权重值不同。

7.根据权利要求6所述的方法，其特征在于，第一标签数据组对应第一权重值，第二标签数据组对应第二权重值，第三标签数据组对应第三权重值，第四标签数据组对应第四权重值；

其中，所述第一权重值大于所述第二权重值，所述第二权重值大于所述第三权重值，所述第三权重值大于所述第四权重值。