[发明专利]一种生成对抗网络的训练方法、图像风格转换方法和装置

说明书

本申请实施例提供一种生成对抗网络的训练方法、图像风格转换方法和装置，该训练方法包括：获取原始风格的待训练图像；利用待训练图像对生成对抗网络进行训练，以获得训练后的生成对抗网络；其中，生成对抗网络中的生成网络包括卷积层、风格转换层、反卷积层和人脸五官专注层，卷积层用于对待训练图像进行卷积运算，风格转换层用于将初始特征图转换成目标风格的中间特征图，反卷积层用于对中间特征图进行反卷积运算，人脸五官专注层用于在对中间特征图进行反卷积运算的过程中，对中间特征图中的像素值进行权重分布，以突出中间特征图中的人脸五官特征。本申请实施例解决了现有技术中存在着的无法辨别图像风格转换前后是否还是同一个人的问题。

技术领域

本申请涉及图像处理领域，尤其涉及一种生成对抗网络的训练方法、图像风格转换方法和装置。

背景技术

现实生活的应用中，存在许多不同的成像模式和相应的风格图像，有时为了特定的场景需求，经常需要进行图像风格的转变。

目前，虽然现有的图像风格转换方法能够实现图像风格的转换，但是，在转换的过程中，容易被风格影响到原来的内容，导致风格转换后的图像中的人脸五官被某种程度的修改，进而难以确认图像风格转换前后是否还是同一个人。

发明内容

本申请实施例的目的在于提供一种生成对抗网络的训练方法、图像风格转换方法和装置，以解决了现有技术中存在着的无法辨别图像风格转换前后是否还是同一个人的问题。

第一方面，本申请实施例提供了一种生成对抗网络的训练方法，该训练方法包括：获取原始风格的待训练图像；利用待训练图像对生成对抗网络进行训练，以获得训练后的生成对抗网络；

其中，生成对抗网络包括生成网络，生成网络包括卷积层、风格转换层、反卷积层和人脸五官专注层，卷积层用于对待训练图像进行卷积运算，以获得原始风格的初始特征图，风格转换层用于将初始特征图转换成目标风格的中间特征图，反卷积层用于对中间特征图进行反卷积运算，以获得目标风格的输出图像，人脸五官专注层用于在通过反卷积层对中间特征图进行反卷积运算的过程中，对中间特征图中的像素值进行权重分布，以突出中间特征图中的人脸五官特征。

因此，本申请实施例通过生成网络中的人脸五官专注层对中间特征图中的像素值进行权重分布，对中间特征图中的人脸五官特征来做加强，从而使得生成网络更有效保留五官的特征跟风格，进而解决了现有技术中存在着的无法辨别图像风格转换前后是否还是同一个人的问题。

在一个可能的实施例中，生成对抗网络还包括判别网络，判别网络包括图像处理层和人脸五官识别层；

其中，利用待训练图像对生成对抗网络进行训练，以获得训练后的生成对抗网络，包括：获取与待训练图像对应的目标风格的目标图像；通过图像处理层分别对输出图像和目标图像进行屏蔽处理，以获得输出图像中的人脸五官图像和目标图像中的人脸五官图像；通过人脸五官识别层对输出图像中的人脸五官图像和目标图像中的人脸五官图像进行人脸五官的识别，以确定输出图像中的人脸五官图像和目标图像中的人脸五官图像的五官相似值。

在一个可能的实施例中，判别网络还包括风格转换识别层；

其中，利用待训练图像对生成对抗网络进行训练，以获得训练后的生成对抗网络，还包括：通过风格转换识别层对输出图像和目标图像进行图像风格的识别，以获得输出图像和目标图像的图像风格相似值。

在一个可能的实施例中，利用待训练图像对生成对抗网络进行训练，以获得训练后的生成对抗网络，还包括：根据五官相似值和图像风格相似值，对生成对抗网络的参数进行调整。

第二方面，本申请实施例提供了一种图像风格转换方法，该图像风格转换方法包括：获取原始风格的待转换图像；通过预先训练好的生成对抗网络中的生成网络对待转换图像的图像风格进行转换，以获得目标风格的重建图像，其中，预先训练好的生成对抗网络为通过第一方面中任一项的生成对抗网络的训练方法训练后得到的。