[发明专利]图像处理模型训练方法以及装置

说明书

本说明书实施例提供图像处理模型训练方法以及装置，图像处理模型训练方法包括：对图像样本对中的目标图像进行加噪处理获得噪声图像；将图像样本对中的原始图像输入至初始图像处理模型进行处理，获得初始图像；根据噪声图像和初始图像生成还原图像，原始图像和还原图像的属性特征相同；根据还原图像和噪声图像对初始图像处理模型进行训练，直至获得满足训练条件的目标图像处理模型，目标图像处理模型为机器学习模型。根据还原图像和噪声图像对初始图像处理模型进行训练时，使得初始图像处理模型在训练的过程中，能够逐步引入不同的噪声图像的图像特征，可以有效的提高模型训练的稳定性，提高模型的预测精准度，满足用户的实际图像处理需求。

技术领域

本说明书实施例涉及计算机技术领域，特别涉及一种图像处理模型训练方法。

背景技术

随着互联网技术的发展，深度学习越来越广泛的应用于计算机视觉和图像处理领域，并且在计算机视觉方面取得了令人瞩目的成功。对于许多此类图像处理任务，深度学习方法的表现优于其他人工方法，甚至优于人类专家。现有技术中，通常以生成对抗生成网络为基础实现图像的处理。然而这种模型训练方法仅将图像样本输入到预先构建的模型中，只能基于预先准备的包含处理结果的图像样本对进行训练，使得模型仅能学习到用于进行模型训练的图像样本对中的图像特征，因此，即便完成了模型训练，在实际应用的过程中也会发现，模型的预测效果并不理想，预测精准度较低。因此亟需一种有效的方案以解决上述问题。

发明内容

有鉴于此，本说明书实施例提供了图像处理模型训练方法。本说明书一个或者多个实施例同时涉及图像处理模型训练装置，一种文本处理方法，一种文本处理装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。

根据本说明书实施例的第一方面，提供了一种图像处理模型训练方法，包括：

对图像样本对中的目标图像进行加噪处理获得噪声图像；

将所述图像样本对中的原始图像输入至初始图像处理模型进行处理，获得初始图像；

根据所述噪声图像和所述初始图像生成还原图像，其中，所述原始图像和所述还原图像的属性特征相同；

根据所述还原图像和所述噪声图像对所述初始图像处理模型进行训练，直至获得满足训练条件的目标图像处理模型，其中，所述目标图像处理模型为机器学习模型。

根据本说明书实施例的第二方面，提供了一种图像处理模型训练装置，包括：

加噪模块，被配置为对图像样本对中的目标图像进行加噪处理获得噪声图像；

处理模块，被配置为将所述图像样本对中的原始图像输入至初始图像处理模型进行处理，获得初始图像；

生成模块，被配置为根据所述噪声图像和所述初始图像生成还原图像，其中，所述原始图像和所述还原图像的属性特征相同；

训练模块，被配置为根据所述还原图像和所述噪声图像对所述初始图像处理模型进行训练，直至获得满足训练条件的目标图像处理模型，其中，所述目标图像处理模型为机器学习模型。

根据本说明书实施例的第三方面，提供了一种图像处理模型训练方法，包括：

接收用户提交的模型训练请求；

根据所述模型训练请求对图像样本对中的目标图像进行加噪处理获得噪声图像；

将所述图像样本对中的原始图像输入至初始图像处理模型进行处理，获得初始图像；

根据所述噪声图像和所述初始图像生成还原图像，其中，所述原始图像和所述还原图像的属性特征相同；

根据所述还原图像和所述噪声图像对所述初始图像处理模型进行训练，直至获得满足训练条件的目标图像处理模型，并发送至所述用户。