【技术实现步骤摘要】
本申请涉及图像处理，特别涉及一种图像处理模型的生成方法、装置、设备及存储介质。
技术介绍
1、在芯片系统中，尤其是带有npu(neural processing unit，神经网络处理器)的高分辨率的isp(image signal processor，图像信号处理器)系统中，npu算力是一种非常重要的资源，因此，需要提高npu算力的使用效率。
2、相关技术中，ai hdr(artificial intelligence high-dynamic range，人工智能高动态范围)模型对于经过芯片isp处理后所得到的srgb(standard red green blue，标准红绿蓝色彩语言协议)图像，借助于有限的npu算力，将低动态范围的图像增强成高动态范围的图像。其中，ai hdr模型基于随机模拟的配对训练数据进行训练。
3、但是，由于相关技术中，在训练ai hdr模型时使用的训练数据存在较大的随机性，从而导致ai hdr模型无法针对性解决实际中的问题，进而浪费了npu算力。
技术实现思路
1、本申请实施例提供了一种图像处理模型的生成方法、装置、设备及存储介质，能够得到解决针对性问题的ai hdr模型，进而避免npu算力的浪费。该技术方案如下：
2、根据本申请实施例的第一方面，提供了一种图像处理模型的生成方法，该方法包括：
3、获取初始isp参数集，该初始isp参数集包括至少一个初始isp参数，该至少一个初始isp参数中每个该初始i
4、对该至少一个初始isp参数进行筛选，得到至少一个目标isp参数；
5、基于样本场景，将该初始isp参数集中该至少一个目标isp参数中每个目标isp参数的初始值调整至对应的目标值，得到第一样本isp参数集，该第一样本isp参数集指示样本图像对应的该样本场景；
6、将该第一样本isp参数集输入至待训练图像处理模型，得到输出图像；
7、对该输出图像进行计算，得到第一损失函数值，基于该第一损失函数值，对该待训练图像处理模型的模型参数进行更新。
8、在一种可能得实现方式中，在获取初始isp参数集之后，还包括：
9、对该至少一个初始isp参数中每个初始isp参数进行至少一次调整，得到与该至少一个初始isp参数中每个初始isp参数对应的调整isp参数。
10、在一种可能得实现方式中，该对该至少一个初始isp参数中每个初始isp参数进行至少一次调整，得到与该至少一个初始isp参数中每个初始isp参数对应的调整isp参数，包括：
11、针对一次调整，将该至少一个初始isp参数中一个初始isp参数，作为待调整isp参数；
12、将该待调整isp参数的初始值，调整至对应的调整值，得到调整isp参数；
13、基于该调整isp参数以及该至少一个初始isp参数中剩余的初始isp参数，获取调整图像的图像效果。
14、在一种可能得实现方式中，该对该初始isp参数中至少一个初始isp参数进行筛选，得到至少一个目标isp参数，包括：
15、基于该调整图像的图像效果对该至少一个初始isp参数进行筛选，得到该至少一个目标isp参数。
16、在一种可能得实现方式中，该基于样本场景，将该初始isp参数集中该至少一个目标isp参数中每个目标isp参数的初始值调整至对应的目标值，包括：
17、将该至少一个目标isp参数中每个目标isp参数的初始值调整至对应的第一候选值，得到对应的第一候选图像；
18、基于该样本场景，获取该第一候选图像的图像效果与该初始图像的图像效果的比对结果；
19、若该比对结果符合预设条件，则将该至少一个目标isp参数中每个目标isp参数的第一候选值，作为至少一个目标isp参数中每个目标isp参数的目标值；或若该比对结果不符合预设条件，则对该至少一个目标isp参数中每个目标isp参数的第一候选值继续调整，直至得到该初始isp参数集中该至少一个目标isp参数中每个目标isp参数的目标值。
20、在一种可能得实现方式中，在该将该第一样本isp参数集输入至待训练图像处理模型，得到输出图像之前，还包括：
21、获取第一环境数据；该第一环境数据指示该第一样本isp参数集对应的环境。
22、在一种可能得实现方式中，该将该第一样本isp参数集输入至待训练图像处理模型，得到输出图像，包括：
23、将该第一环境数据以及该第一样本isp参数集输入至该待训练图像处理模型，得到该输出图像。
24、根据本申请实施例的第一方面，提供了一种图像处理模型的生成装置，该装置，包括：
25、第一获取模块，用于获取初始isp参数集，该初始isp参数集包括至少一个初始isp参数，该至少一个初始isp参数中每个该初始isp参数设有初始值；该初始isp参数集指示初始图像对应的初始场景，该初始isp参数指示该初始图像的图像效果；
26、筛选模块，用于对该至少一个初始isp参数进行筛选，得到至少一个目标isp参数；
27、第一调整模块，用于基于样本场景，将该初始isp参数集中该至少一个目标isp参数中每个目标isp参数的初始值调整至对应的目标值，得到第一样本isp参数集，该第一样本isp参数集指示样本图像对应的该样本场景；
28、训练模块，用于将该第一样本isp参数集输入至待训练图像处理模型，得到输出图像；
29、更新模块，用于对该输出图像进行计算，得到第一损失函数值，基于该第一损失函数值，对该待训练图像处理模型的模型参数进行更新。
30、在一种可能得实现方式中，该装置，还包括：
31、第二调整模块，用于对该至少一个初始isp参数中每个初始isp参数进行至少一次调整，得到与该至少一个初始isp参数中每个初始isp参数对应的调整isp参数。
32、在一种可能得实现方式中，该第二调整模块，包括：
33、第一确定单元，用于针对一次调整，将该至少一个初始isp参数中一个初始isp参数，作为待调整isp参数；
34、第一调整单元，用于将该待调整isp参数的初始值，调整至对应的调整值，得到调整isp参数；
35、第一获取单元，用于基于该调整isp参数以及该至少一个初始isp参数中剩余的初始isp参数，获取调整图像的图像效果。
36、在一种可能得实现方式中，该筛选模块，包括：
37、筛选单元，用于基于该调整图像的图像效果对该至少一个初始isp参数进行筛选，得到该至少一个目标isp参数。
38、在一种可能得实现方式中，该调整模块，包括：
39、第二调整单元，用于将该至少一个目标isp参数本文档来自技高网...
【技术保护点】
1.一种图像处理模型的生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在获取初始ISP参数集之后，还包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述至少一个初始ISP参数中每个初始ISP参数进行至少一次调整，得到与所述至少一个初始ISP参数中每个初始ISP参数对应的调整ISP参数，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述初始ISP参数中至少一个初始ISP参数进行筛选，得到至少一个目标ISP参数，包括：
5.根据权利要求3所述的方法，其特征在于，所述基于样本场景，将所述初始ISP参数集中所述至少一个目标ISP参数中每个目标ISP参数的初始值调整至对应的目标值，包括：
6.根据权利要求1所述的方法，其特征在于，在所述将所述第一样本ISP参数集输入至待训练图像处理模型，得到输出图像之前，还包括：
7.根据权利要求6所述的方法，其特征在于，所述将所述第一样本ISP参数集输入至待训练图像处理模型，得到输出图像，包括：
8.一种图像处理模型的生成装置，其
9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器用于存储至少一段程序，所述至少一段程序由所述处理器加载并执行如权利要求1至权利要求7中任一项所述的图像处理模型的生成方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有至少一段程序，所述至少一段程序由处理器加载并执行以实现如权利要求1至权利要求7中任一项所述的图像处理模型的生成方法。
...【技术特征摘要】
1.一种图像处理模型的生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在获取初始isp参数集之后，还包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述至少一个初始isp参数中每个初始isp参数进行至少一次调整，得到与所述至少一个初始isp参数中每个初始isp参数对应的调整isp参数，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述初始isp参数中至少一个初始isp参数进行筛选，得到至少一个目标isp参数，包括：
5.根据权利要求3所述的方法，其特征在于，所述基于样本场景，将所述初始isp参数集中所述至少一个目标isp参数中每个目标isp参数的初始值调整至对应的目标值，包括：
6.根据权利要求1所述的...
【专利技术属性】
技术研发人员：刘建伟，
申请(专利权)人：爱芯元智半导体宁波有限公司，
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。