[发明专利]基于电力肖像的数据重建模型训练的方法和装置

权利要求书

1.一种基于电力肖像的数据重建模型训练的方法，其特征在于，所述方法包括：

获取高频新能源数据样本集合，所述高频新能源数据样本集合包括多个高频新能源数据样本；

基于所述多个高频新能源数据样本，获取每个高频新能源数据样本对应的高频新能源图像样本，根据高频新能源图像样本获取每个高频新能源数据样本对应的低频新能源图像样本；

基于所述每个高频新能源数据样本对应的低频新能源图像样本，通过待训练数据重建模型获取每个高频新能源数据样本对应的重建新能源图像样本；

基于所述每个高频新能源数据样本对应的高频新能源图像样本，以及所述每个高频新能源数据样本对应的重建新能源图像样本，获取每个高频新能源数据样本对应的感知损失；

基于所述每个高频新能源数据样本对应的感知损失，对所述待训练数据重建模型的模型参数进行更新，通过更新后的模型参数得到目标数据重建模型，所述目标数据重建模型用于将低频新能源图像重建为高频新能源图像。

2.根据权利要求1所述的方法，其特征在于，所述基于所述每个高频新能源数据样本对应的高频新能源图像样本，以及所述每个高频新能源数据样本对应的重建新能源图像样本，获取每个高频新能源数据样本对应的感知损失，包括：

对所述每个高频新能源数据样本对应的高频新能源图像样本进行图像特征处理，确定每个高频新能源图像样本对应的特征图像；

对所述每个高频新能源数据样本对应的重建新能源图像样本进行图像特征处理，确定每个重建新能源图像样本对应的特征图像；

计算所述每个高频新能源图像样本对应的特征图像，与所述每个重建新能源图像样本对应的特征图像之间的均方误差，确定所述每个高频新能源数据样本对应的感知损失。

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

基于所述每个高频新能源数据样本对应的高频新能源图像样本，以及所述每个高频新能源数据样本对应的重建新能源图像样本，获取每个高频新能源数据样本对应的实际损失以及判别结果；

所述基于所述每个高频新能源数据样本对应的感知损失，对所述待训练数据重建模型进行训练，以得到目标数据重建模型，包括：

基于所述每个高频新能源数据样本对应的感知损失、实际损失以及判别结果，对所述待训练数据重建模型的模型参数进行更新，通过更新后的模型参数得到所述目标数据重建模型，所述目标数据重建模型中卷积层与激活函数直接连接。

4.根据权利要求3所述的方法，其特征在于，所述基于所述每个高频新能源数据样本对应的高频新能源图像样本，以及所述每个高频新能源数据样本对应的重建新能源图像样本，获取每个高频新能源数据样本对应的实际损失以及判别结果，包括：

计算所述每个高频新能源数据样本对应的高频新能源图像样本，与所述每个高频新能源数据样本对应的重建新能源图像样本之间的均方误差，确定所述每个高频新能源数据样本对应的实际损失；

基于所述每个高频新能源数据样本对应的高频新能源图像样本与所述每个高频新能源数据样本对应的重建新能源图像样本，通过待训练判别模型获取所述每个高频新能源数据样本对应的判别结果，所述判别结果表征所述高频新能源数据样本对应的重建新能源图像样本为高频新能源图像的概率。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

根据所述每个高频新能源数据样本对应的高频新能源图像样本，所述每个高频新能源数据样本对应的重建新能源图像样本，以及所述每个高频新能源数据样本对应的判别结果，对所述待训练判别模型进行训练；

所述基于所述每个高频新能源数据样本对应的感知损失、实际损失以及判别结果，对所述待训练数据重建模型进行训练，以得到所述目标数据重建模型，包括：

当所述待训练数据重建模型的损失函数达到收敛，且所述待训练判别模型的损失函数达到收敛时，则得到所述目标数据重建模型。