System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 图像处理模型的训练方法、电子设备和计算机程序产品技术_技高网

图像处理模型的训练方法、电子设备和计算机程序产品技术

技术编号:42659413 阅读:3 留言:0更新日期:2024-09-10 12:18
本公开的实施例涉及图像处理模型的训练方法、电子设备和计算机程序产品。该方法包括通过对预训练的生成器的多个卷积层的多个权重进行折叠操作,来获得预训练的生成器的折叠卷积层的折叠权重。该方法还包括将预训练的生成器嵌入至图像处理模型中。该方法进一步包括利用多对样本图像训练该图像处理模型,其中该多对样本图像中的至少一对包括具有第一分辨率的第一样本图像和具有第二分辨率的第二样本图像,并且其中第一分辨率小于第二分辨率。通过该方法,能够以节约训练资源并提升训练速度的方式获得提升图像分辨率的图像处理模型。

【技术实现步骤摘要】

本公开的实施例涉及图像处理领域,并且更具体地,涉及用于训练图像处理模型的方法、电子设备和计算机程序产品。


技术介绍

1、近年来,深度学习在很多领域都取得了突破性的进展。生成对抗网络(gan)则是近些年来的非常流行的深度学习模型。生成对抗网络包括生成器和鉴别器,其中生成器可以捕捉样本数据的分布,鉴别器通常是一个二分类器,以判别输入的数据是真实数据还是生成的数据。生成对抗网络的出现对无监督学习、图像生成的研究和应用起到极大的推动和促进作用。

2、当前,生成对抗网络已经从最初地合成逼真的图像,被拓展到计算机视觉的各个领域,诸如图像分割、风格迁移等,用来生成分割图像、迁移图像等,并获得了广泛的关注。


技术实现思路

1、本公开的实施例提供一种图像处理模型的训练方法、电子设备和计算机程序产品

2、根据本公开的第一方面,提供了一种图像处理模型的训练方法。该方法包括通过对预训练的生成器的多个卷积层的多个权重进行折叠操作,来获得预训练的生成器的折叠卷积层的折叠权重。该方法还包括将预训练的生成器嵌入至图像处理模型中。该方法进一步包括利用多对样本图像训练该图像处理模型,其中该多对样本图像中的至少一对包括具有第一分辨率的第一样本图像和具有第二分辨率的第二样本图像,并且其中第一分辨率小于第二分辨率。

3、根据本公开的第二方面,提供了一种电子设备。该电子设备包括至少一个处理器;以及存储器,耦合至至少一个处理器并且具有存储于其上的指令,指令在由至少一个处理器执行时使设备执行动作,所述动作包括:通过对预训练的生成器的多个卷积层的权重进行折叠操作,以获得预训练的生成器的折叠卷积层的折叠权重;将预训练的生成器嵌入至图像处理模型中;以及利用多对样本图像训练图像处理模型,其中多对样本图像中的至少一对包括具有第一分辨率的第一样本图像和具有第二分辨率的第二样本图像,并且其中第一分辨率小于第二分辨率。

4、根据本公开的第三方面,提供了一种计算机程序产品,该计算机程序产品被有形地存储在非易失性计算机可读介质上并且包括机器可执行指令,该机器可执行指令在被执行时使机器执行本公开的第一方面中的方法的步骤。

本文档来自技高网...

【技术保护点】

1.一种图像处理模型的训练方法,所述方法包括:

2.根据权利要求1所述的方法,还包括:

3.根据权利要求2所述的方法,其中所述初始生成器还包括用于放大所述预训练输出图像的第一线性块和第二线性块,所述多个卷积层位于所述第一线性块和第二线性块之间。

4.根据权利要求1所述的方法,其中获得所述预训练的生成器的折叠卷积层的折叠权重包括:

5.根据权利要求1所述的方法,其中获得所述预训练的生成器的折叠卷积层的折叠权重包括:

6.根据权利要求1所述的方法,其中所述第二样本图像的尺寸大于所述第一样本图像的尺寸。

7.根据权利要求1所述的方法,其中所述图像处理模型为U-型网络。

8.根据权利要求1所述的方法,其中利用多对样本图像训练所述图像处理模型,包括:

9.根据权利要求8所述的方法,其中所述样本图像特征是由所述编码器的全连接层输出的,并且其中所述预训练的生成器包括多个生成器块,所述训练方法还包括:

10.根据权利要求8所述的方法,其中训练所述图像处理模型包括:

11.一种电子设备,包括:

12.根据权利要求11所述的电子设备,其中所述指令当由所述至少一个处理器执行时,还使所述电子设备执行动作,所述动作包括:

13.根据权利要求12所述的电子设备,其中所述初始生成器还包括用于放大所述预训练输出图像的第一线性块和第二线性块,所述多个卷积层位于所述第一线性块和第二线性块之间。

14.根据权利要求11所述的电子设备,其中获得所述预训练的生成器的折叠卷积层的折叠权重包括:

15.根据权利要求11所述的电子设备,其中获得所述预训练的生成器的折叠卷积层的折叠权重包括:

16.根据权利要求11所述的电子设备,其中所述第二样本图像的尺寸大于所述第一样本图像的尺寸。

17.根据权利要求11所述的电子设备,其中所述图像处理模型为U-型网络。

18.根据权利要求11所述的电子设备,其中利用多对样本图像训练所述图像处理模型,包括:

19.根据权利要求18所述的电子设备,其中训练所述图像处理模型包括:

20.一种计算机程序产品,所述计算机程序产品被有形地存储在非易失性计算机可读介质上并且包括机器可执行指令,所述机器可执行指令在被执行时使机器执行如下步骤:

...

【技术特征摘要】

1.一种图像处理模型的训练方法,所述方法包括:

2.根据权利要求1所述的方法,还包括:

3.根据权利要求2所述的方法,其中所述初始生成器还包括用于放大所述预训练输出图像的第一线性块和第二线性块,所述多个卷积层位于所述第一线性块和第二线性块之间。

4.根据权利要求1所述的方法,其中获得所述预训练的生成器的折叠卷积层的折叠权重包括:

5.根据权利要求1所述的方法,其中获得所述预训练的生成器的折叠卷积层的折叠权重包括:

6.根据权利要求1所述的方法,其中所述第二样本图像的尺寸大于所述第一样本图像的尺寸。

7.根据权利要求1所述的方法,其中所述图像处理模型为u-型网络。

8.根据权利要求1所述的方法,其中利用多对样本图像训练所述图像处理模型,包括:

9.根据权利要求8所述的方法,其中所述样本图像特征是由所述编码器的全连接层输出的,并且其中所述预训练的生成器包括多个生成器块,所述训练方法还包括:

10.根据权利要求8所述的方法,其中训练所述图像处理模型包括:

11.一种电子设备,包括:

12.根据权利要...

【专利技术属性】
技术研发人员:王子嘉刘志松贾真
申请(专利权)人:戴尔产品有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1