[发明专利]图像处理模型的训练方法、服装效果图的生成方法及装置

权利要求书

1.一种图像处理模型的训练方法，其特征在于，包括：

将获取到的待训练服装图像集中的各待训练服装图像分别输入到初始图像处理模型中；其中，所述初始图像处理模型包括特征提取网络、关键点定位网络和图像分割网络；

针对每个待训练服装图像，通过所述特征提取网络，对所述待训练服装图像进行特征提取，得到图像特征；

通过所述关键点定位网络，基于所述特征提取网络输出的图像特征，输出所述待训练服装图像对应的预测服装关键点；

通过所述图像分割网络，基于所述特征提取网络输出的图像特征，输出所述待训练服装图像对应的预测服装分割图像；

基于各所述待训练服装图像分别对应的预测服装关键点、预测服装分割图像以及标准训练数据，对所述初始图像处理模型的模型参数进行调整，直到得到训练完成的目标图像处理模型。

2.根据权利要求1所述的方法，其特征在于，所述图像分割网络包括内外部分割分支，所述内外部分割分支包括第一堆叠沙漏模块、特征提取模块、第二堆叠沙漏模块和第一输出模块，其中，所述第一堆叠沙漏模块用于对输入的所述图像特征依次执行编码操作和解码操作，输出第一特征向量，所述特征提取模块用于基于输入的所述第一特征向量和所述图像特征，输出第二特征向量，所述第二堆叠沙漏模块用于对输入的所述第二特征向量依次执行编码操作和解码操作，输出第三特征向量，所述第一输出模块用于对输入的所述第三特征向量执行卷积操作，输出预测服装分割图像。

3.根据权利要求2所述的方法，其特征在于，所述特征提取模块中包含特征提取层、卷积层和融合层，其中，所述特征提取层用于对输入的所述第一特征向量执行特征提取操作，输出第四特征向量，所述卷积层用于对输入的所述第四特征向量执行卷积操作，得到第五特征向量，所述融合层用于对输入的所述图像特征、所述第四特征向量和所述第五特征向量执行拼接操作，得到第二特征向量。

4.根据权利要求2所述的方法，其特征在于，所述初始图像处理模型中的图像分割网络还包括边界分割分支，所述边界分割分支包括第三堆叠沙漏模块和第二输出模块，所述第三堆叠沙漏模块用于对输入的所述第二特征向量依次执行编码操作和解码操作，输出第六特征向量，所述第二输出模块用于对输入的所述第六特征向量执行卷积操作，输出所述待训练服装图像对应的预测服装边界图像；

相应的，所述基于各所述待训练服装图像分别对应的预测服装关键点、预测服装分割图像以及标准训练数据，对所述初始图像处理模型的模型参数进行调整，直到得到训练完成的目标图像处理模型，包括：

基于各所述待训练服装图像分别对应的预测服装关键点、预测服装分割图像、预测服装边界图像以及标准训练数据，对所述初始图像处理模型的模型参数进行调整，直到得到训练完成的目标图像处理模型。

5.根据权利要求4所述的方法，其特征在于，所述标准训练数据包括与所述预测服装边界图像对应的标准服装边界图像，相应的，所述方法还包括：

针对每个待训练服装图像，对所述待训练服装图像对应的标准服装分割图像执行滤波操作，得到服装响应图像；

基于预设像素值范围和所述服装响应图像中像素点的像素值，确定所述待训练服装图像对应的标准服装边界图像。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

响应于获取到初始服装图像集，基于预设选取概率，选取所述初始服装图像集中的至少一个初始服装图像分别作为参考服装图像；

对各所述参考服装图像分别执行图像增强操作，得到增强服装图像集；

基于所述初始服装图像集和所述增强服装图像集，确定待训练服装图像集。

7.根据权利要求6所述的方法，其特征在于，所述对各所述参考服装图像分别执行图像增强操作，得到增强服装图像集，包括：

基于至少两个预设旋转角度以及与各所述预设旋转角度分别对应的旋转概率，对各所述参考服装图像分别执行图像旋转操作，得到增强服装图像集；

和/或，

针对每个参考服装图像，基于所述参考服装图像对应的标准服装分割图像，修改所述参考服装图像中服装背景部分的像素值，得到增强服装图像集。