[发明专利]银行后台系统的图片亮度增强方法及装置

说明书

本发明公开一种银行后台系统的图片亮度增强方法及装置，涉及人工智能技术领域，该方法包括：分别在不同光照下对不同图片进行拍摄后建立训练集，其中每一样本包括对同一图片拍摄得到的第一图片和第二图片；针对每一样本，分别将根据第一图片和对应的亮度增强图片建立的标签为负的图片组、根据第一图片和第二图片建立的标签为正的图片组，输入亮度判断模型；计算亮度判断模型的损失值，调整亮度判断模型参数得到训练好的亮度判断模型；设置亮度增强模型输出的亮度增强图片的标签为正，输入训练好的亮度判断模型，计算训练好的亮度判断模型的损失值，调整亮度增强模型参数得到训练好的亮度增强模型；利用训练好的亮度增强模型，对图片进行亮度增强。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种银行后台系统的图片亮度增强方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

银行后台系统经常会根据用户提供的图片办理业务，如用户通过手机银行提供的图片，但是由于用户拍摄的图片亮度存在差异，导致用户在上传亮度不高的图片进行业务办理时，银行后台系统无法提取到有效信息，需要用户重新上传图片，降低银行业务办理效率，影响用户体验。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供一种银行后台系统的图片亮度增强方法，用以快速将低亮度图片转换为对应的高亮度图片，提高银行业务办理效率，改善用户体验，该方法包括：

分别在不同光照条件下，对不同图片进行拍摄后建立训练集，所述训练集中的每一样本包括对同一图片拍摄得到的第一图片和第二图片，其中第一图片的亮度值低于第一阈值，第二图片的亮度值高于第二阈值，第一阈值小于第二阈值；

将训练集中每一样本的第一图片输入亮度增强模型，输出对应的亮度增强图片；针对每一样本，分别将根据第一图片和对应的亮度增强图片建立的标签为负的图片组、根据第一图片和第二图片建立的标签为正的图片组，输入亮度判断模型，判断图片是否经过亮度增强处理，输出负图片组对应的判断结果和正图片组对应的判断结果，所述亮度增强模型和亮度判断模型为机器学习模型；

根据负图片组对应的判断结果和正图片组对应的判断结果，计算亮度判断模型的损失值，在亮度判断模型的损失值不小于预设阈值时，调整亮度判断模型参数，利用调整后的亮度判断模型继续输出负图片组对应的判断结果和正图片组对应的判断结果，直到计算出亮度判断模型的损失值小于预设阈值，得到训练好的亮度判断模型；

设置亮度增强模型输出的亮度增强图片的标签为正，输入训练好的亮度判断模型，计算训练好的亮度判断模型的损失值，在训练好的亮度判断模型的损失值不小于预设阈值时，调整亮度增强模型参数，利用调整后的亮度增强模型继续输出亮度增强图片，设置亮度增强图片的标签为正，输入训练好的亮度判断模型，直到计算出训练好的亮度判断模型的损失值小于预设阈值，得到训练好的亮度增强模型；

利用训练好的亮度增强模型，对待识别图片进行亮度增强。

本发明实施例还提供一种银行后台系统的图片亮度增强装置，用以快速将低亮度图片转换为对应的高亮度图片，提高手机银行业务办理效率，改善用户体验，该装置包括：

建立模块，用于分别在不同光照条件下，对不同图片进行拍摄后建立训练集，所述训练集中的每一样本包括对同一图片拍摄得到的第一图片和第二图片，其中第一图片的亮度值低于第一阈值，第二图片的亮度值高于第二阈值，第一阈值小于第二阈值；