[发明专利]网络模型的训练方法、图像处理方法及其相关设备

权利要求书

1.一种网络模型的训练方法，其特征在于，包括：

获取第一训练图像对，所述第一训练图像对包括彩色训练图像和与所述彩色训练图像对应的第二训练图像，所述第二训练图像是由所述彩色训练图像处理后得到的；

利用所述第一训练图像对，对初始生成器进行训练，得到中间生成器；

获取第二训练图像对，所述第二训练图像对包括第一原始图像和配准后的第二彩色图像，所述配准后的第二彩色图像是由第二彩色图像与第一彩色图像配准后得到的；

利用所述第一训练图像对和所述第二训练图像对，对初始网络模型进行训练，得到第一目标网络模型，其中，所述初始网络模型包括所述中间生成器和判别器。

2.根据权利要求1所述的网络模型的训练方法，其特征在于，所述获取第一训练图像对，包括：

获取所述彩色训练图像；

对所述彩色训练图像进行退化处理，得到位于RAW域的第一训练图像；

对所述第一训练图像增加噪声，得到所述第二训练图像；

将所述彩色训练图像和所述第二训练图像进行配对，得到一组所述第一训练图像对。

3.根据权利要求1或2所述的网络模型的训练方法，其特征在于，所述利用所述第一训练图像对，对初始生成器进行训练，得到中间生成器，包括：

将所述第一训练图像对中的所述第二训练图像输入所述初始生成器进行处理，得到位于RGB域的第三训练图像；

利用平均绝对误差公式，确定所述彩色训练图像和所述第三训练图像之间的第一平均绝对误差损失值；

根据所述第一平均绝对误差损失值调整所述初始生成器，得到所述中间生成器。

4.根据权利要求3所述的网络模型的训练方法，其特征在于，所述获取第二训练图像对，包括：

利用第一摄像头，获取第一原始图像和第一彩色图像，并利用第二摄像头获取第二彩色图像；所述第一彩色图像的分辨率低于所述第二彩色图像的分辨率，所述第一原始图像的分辨率和所述第一彩色图像的分辨率相同；

以所述第一彩色图像为基准，对所述第二彩色图像进行配准，得到所述配准后的第二彩色图像；

将所述第一原始图像和所述配准后的第二彩色图像进行配对，得到第二训练图像对。

5.根据权利要求3所述的网络模型的训练方法，其特征在于，所述获取第二训练图像对，包括：

利用第一摄像头，获取第一原始图像，并利用第二摄像头获取第二彩色图像；

将所述第一原始图像输入所述中间生成器，得到第一彩色图像；

以所述第一彩色图像为基准，对所述第二彩色图像进行配准，得到所述配准后的第二彩色图像；

将所述第一原始图像和所述配准后的第二彩色图像进行配对，得到第二训练图像对。

6.根据权利要求4或5所述的网络模型的训练方法，其特征在于，所述利用所述第一训练图像对和所述第二训练图像对，对初始网络模型进行训练，得到第一目标网络模型，包括：

将所述第一训练图像对和所述第二训练图像对，输入所述初始网络模型进行处理；

根据所述第一训练图像对和/或所述第二训练图像对，确定感知损失值、第二平均绝对误差损失值和GAN损失值；

根据所述感知损失值、所述第二平均绝对误差损失值和所述GAN损失值，调整所述初始网络模型，得到所述第一目标网络模型。

7.根据权利要求6所述的网络模型的训练方法，其特征在于，所述根据所述第一训练图像对和/或所述第二训练图像对，确定所述感知损失值、所述第二平均绝对误差损失值和所述GAN损失值，包括：

利用LPISP或VGG模型，确定所述第一训练图像对的感知损失值和/或确定所述第二训练图像对的感知损失值；

利用平均绝对误差公式，确定所述第一训练图像对的第二平均绝对误差损失值和/或确定所述第二训练图像对的第二平均绝对误差损失值；

利用所述判别器，确定所述第一训练图像对的GAN损失值和/或确定所述第二训练图像对的GAN损失值。