【技术实现步骤摘要】
图像风格迁移模型的训练方法、图像风格迁移方法及装置
[0001]本公开实施例涉及计算机领域,尤其涉及一种图像风格迁移模型的训练方法、图像风格迁移方法及装置。
技术介绍
[0002]近年来,GAN网络开始被越来越广泛地应用在计算机视觉研究工作中,图像风格迁移正是将GAN网络运用到计算机视觉领域的一种实际应用。图像风格迁移是指将一张图片渲染为具有特定艺术风格的画作的图像处理技术。
[0003]利用现有的图像风格迁移技术将目标图像迁移至风格样本图像风格的图像的迁移过程中,一般是利用图像域之间的映射变化实现的。即,将目标图像作为一个图像域,将风格样本图像作为另一个图像域,利用GAN网络模型学习该两个图像域之间的映射关系,从而能够对目标图像进行重建,得到具有风格样本图像的特定风格的图像。
[0004]但是,利用这样的方式获得的特定风格的目标图像只是单纯对于图像域的色彩风格进行了映射,而对于风格样本图像中的图像块面感和线条感却没有更多的表征,使得获得的特定风格图像的块面感和线条感不足,风格效果不佳。
技术实现思路
[0005]针对上述问题,本公开实施例拱了一种图像风格迁移模型的训练方法、图像风格迁移方法及装置。
[0006]第一方面,本公开提供了一种图像风格迁移模型的训练方法,包括:
[0007]对真实样本图像进行风格预处理,得到所述真实样本图像对应的风格样本图像;
[0008]对所述风格样本图像分别进行颜色聚类处理以及线条模糊化处理,得到所述风格样本图像的颜色聚类图以及线 ...
【技术保护点】
【技术特征摘要】
1.一种图像风格迁移模型的训练方法,其特征在于,包括:对真实样本图像进行风格预处理,得到所述真实样本图像对应的风格样本图像;对所述风格样本图像分别进行颜色聚类处理以及线条模糊化处理,得到所述风格样本图像的颜色聚类图以及线条模糊图;利用所述真实样本图像和所述风格样本图像,对待训练的图像风格迁移模型进行训练,并利用所述风格样本图像的颜色聚类图以及所述风格样本图像的线条模糊图对所述待训练的图像风格迁移模型的训练进行监督,获得训练后的图像风格迁移模型。2.根据权利要求1所述的图像风格迁移模型的训练方法,其特征在于,所述图像风格迁移模型包括第一生成对抗网络,所述第一生成对抗网络包括第一生成器和第一判别器;所述利用所述真实样本图像和所述风格样本图像,对待训练的图像风格迁移模型进行训练,并利用所述风格样本图像的颜色聚类图以及所述风格样本图像的线条模糊图对所述待训练的图像风格迁移模型的训练进行监督,包括:将所述真实样本图像输入至所述第一生成器,得到所述真实样本图像的中间图;将所述真实样本图像的中间图像、所述风格样本图像的颜色聚类图、所述风格样本图像的线条模糊图以及所述真实样本图像对应的风格样本图像,输入至第一判别器,得到第一判别结果;根据所第一述判别结果对所述第一生成器进行参数调整,并返回所述将所述真实样本图像输入至所述第一生成器的步骤,直至所述图像风格迁移模型收敛。3.根据权利要求2所述的图像风格迁移模型的训练方法,其特征在于,所述将所述真实样本图像的中间图像、所述风格样本图像的颜色聚类图、所述风格样本图像的线条模糊图以及所述真实样本图像对应的风格样本图像,输入至第一判别器,得到判别结果,包括:利用所述第一判别器对所述真实样本图像的中间图像,以及所述真实样本图像对应的风格样本图像进行判别处理,得到处理结果;确定所述中间图像和所述风格样本图像的颜色聚类图的颜色特征差值;以及确定所述中间图像和所述风格样本图像的线条模糊图的线条特征差值;相应的,所述根据所述判别结果对所述第一生成器进行参数调整,包括:根据所述颜色特征差值、所述线条特征差值、以及所述处理结果,对所述第一生成器进行参数调整。4.根据权利要求1所述的图像风格迁移模型的训练方法,其特征在于,所述对真实样本图像进行风格预处理,得到所述真实样本图像对应的风格样本图,包括:利用训练后的风格图像生成模型对所述真实样本图像进行处理,得到所述真实样本图像对应的风格样本图像。5.根据权利要求4所述的图像风格迁移模型的训练方法,其特征在于,所述风格图像生成模型包括第二生成对抗网络,所述第二生成对抗网络包括第二生成器和第二判别器;所述方法还包括:获得训练样本图像;获取参考风格样本图像;对所述参考风格样本图像进行线条模糊化处理,得到所述参考风格样本图像的模糊样本图;
将所述训练样本图像输入至所述第二生成器,得到所述训练样本图像的中间样本图像;对所述中间样本图像进行颜色聚类处理,得到所述中间样本图像的颜色聚类样本图;利用所述中间样本图像、所述参考风格样本图像、所述参考风格样本图像的模糊样本图以及所述中间样本图像的颜色聚类样本图对所述第二判别器进行训练,得到第二判别结果;根据所述第二判别结果对所述第二生成器进行参数调整,并返回将所述训练样本图像输入至所述第二生成器的步骤直至所述风格图像生成模型收敛。6.根据权利要求5所述的图像风格迁移模型的训练方法,其特征在于,所述利用所述中间样本图像、所述参考风格样本图像、所述参考风格样本图像的模糊样本图以及所述中间样本图像的颜色聚类样本图对所述第二判别器进行训练,得到第二判别结果参考风格样本图像参考风格样本图像,包括:利用所述第二判别器对所述中间样本图、所述参考风格样本图像、所述参考风格样本图像的模糊样本图进行判别处理,得到基于线条风格特征的判别结果;以及确定所述中间样本图像和所述样本图的颜色聚类样本图在颜色风格特征的特征差值;相应的,所述根据所述判别结果对所述第二生成器进行...
【专利技术属性】
技术研发人员:白须,
申请(专利权)人:北京字跳网络技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。