[发明专利]图像预测模型的训练方法及装置、存储介质及电子设备

权利要求书

1.一种图像预测模型的训练方法，包括：

获取样本图像序列和与所述样本图像序列对应的基准图像；

通过图像生成网络模型对所述样本图像序列进行预测，得到位于所述样本图像序列的最后一帧图像之后的预测图像；

在预设的第一损失函数的监督下，通过所述预测图像和所述基准图像，调整所述图像生成网络模型的参数；

通过判别网络模型，对所述基准图像和所述预测图像分别进行判别，得到所述基准图像和所述预测图像分别对应的第一判别值和第二判别值；

基于预设的第二损失函数，确定所述第一判别值的概率分布与所述第二判别值的概率分布之间的距离；

通过最大化所述距离，调整所述判别网络模型的参数；

响应于所述图像生成网络模型和所述判别网络模型符合预设的训练结束条件，将参数调整后的所述图像生成网络模型确定为图像预测模型。

2.根据权利要求1所述的方法，其中，在所述通过判别网络模型，对所述基准图像和所述预测图像分别进行判别，得到所述基准图像和所述预测图像分别对应的第一判别值和第二判别值之后，所述方法还包括：

在预设的第三损失函数的监督下，通过所述第二判别值，调整所述图像生成网络模型的参数。

3.根据权利要求1所述的方法，其中，在所述通过最大化所述距离，调整所述判别网络模型的参数之后，所述方法还包括：

响应于调整参数后的所述判别网络模型包括处于预设数值范围外的目标参数，将所述目标参数调整到处于所述预设数值范围内。

4.根据权利要求1所述的方法，其中，所述获取样本图像序列和与所述样本图像序列对应的基准图像，包括：

从预设的原始图像序列中，提取预设数量个图像组成的图像子序列；

基于所述图像子序列确定样本图像序列；

从所述原始图像序列中，提取位于所述图像子序列的最后一帧图像之后的目标图像，并将所述目标图像确定为所述基准图像。

5.一种通过神经网络模型预测图像的方法，包括：

获取第一图像序列；

基于预先训练的图像预测模型和所述第一图像序列，生成预设数量的预测图像，其中，所述预设数量的预测图像位于所述第一图像序列的最后一帧图像之后；

基于所述第一图像序列和所述预设数量的预测图像，生成用于对目标物体进行轨迹预测的第二图像序列；

对所述第二图像序列进行目标跟踪，得到所述目标物体的运动轨迹。

6.根据权利要求5所述的方法，其中，所述基于预先训练的图像预测模型和所述第一图像序列，生成预设数量的预测图像，包括：

基于所述第一图像序列，执行如下预测步骤：利用所述图像预测模型，对所述第一图像序列进行预测，生成预测图像；

确定已生成的预测图像的数量是否达到预设数量；

响应于已生成的预测图像的数量未达到所述预设数量，将最近一次生成的预测图像加入所述第一图像序列，并将所述第一图像序列中的第一帧图像移除，得到更新后的第一图像序列；

基于更新后的第一图像序列，继续执行所述预测步骤。

7.根据权利要求6所述的方法，其中，所述基于所述第一图像序列和所述预设数量的预测图像，生成用于对目标物体进行轨迹预测的第二图像序列，包括：

响应于已生成的预测图像的数量达到所述预设数量，基于最近一次更新后的第一图像序列确定用于对目标物体进行轨迹预测的第二图像序列。