图像处理模型的训练方法、图像处理方法及装置与流程

本公开涉及模型训练，尤其涉及一种图像处理模型的训练方法、图像处理方法及装置。

背景技术：

1、随着科学技术的发展，模型训练技术的日益成熟，针对图像的美化已经成为电子设备的基本功能，用户对于电子设备的人像美化功能要求越来越高。例如，电子设备可以针对每个美化功能设置滑动条。用户可以通过移动滑动条调整每个美化功能的强度，以便可以对图像进行调节。但是，滑动条每次移动的强度都是预先设置的，使得图像美化的智能性和便利性较差。

技术实现思路

1、本公开提供一种图像处理模型的训练方法、图像处理方法及装置，以至少解决相关技术中图像美化的智能性和便利性的问题。本公开的技术方案如下：

2、根据本公开实施例的第一方面，提供一种图像处理模型的训练方法，包括：

3、获取第一样本图像；

4、对所述第一样本图像进行初始美化处理，得到第二样本图像；

5、获取所述第二样本图像对应的文本描述信息，其中，所述文本描述信息用于描述所述第二样本图像的图像信息；

6、获取所述第一样本图像对应的第一图像美化处理信息，其中，所述第一图像美化处理信息用于描述针对所述第一样本图像所进行的初始美化处理，所述第一图像美化处理信息包括第一语音美化处理信息和/或第一文本美化处理信息；

7、采用所述第二样本图像、所述文本描述信息和所述第一图像美化处理信息对初始图像处理模型进行训练，得到目标图像处理模型。

8、可选的，所述采用所述第二样本图像、所述文本描述信息和所述第一图像美化处理信息对初始图像处理模型进行训练，得到目标图像处理模型，包括：

9、采用向量获取模型，获取所述文本描述信息对应的第一文本隐向量；

10、采用所述向量获取模型，获取所述第二样本图像对应的第一图像隐向量；

11、采用所述向量获取模型，获取所述第一图像美化处理信息对应的第二文本隐向量；

12、采用所述第一文本隐向量、所述第一图像隐向量和所述第二文本隐向量对所述初始图像处理模型进行训练，得到所述目标图像处理模型。

13、可选的，所述采用所述第一文本隐向量、所述第一图像隐向量和所述第二文本隐向量对所述初始图像处理模型进行训练，得到所述目标图像处理模型，包括：

14、将所述第一文本隐向量、所述第一图像隐向量和所述第二文本隐向量输入至所述初始图像处理模型，获取所述初始图像处理模型输出的第三样本图像；

15、采用所述向量获取模型，获取所述第三样本图像对应的第二图像隐向量；

16、根据所述第一图像隐向量、所述第二图像隐向量、所述第一文本隐向量和所述第二文本隐向量，确定所述初始神经模型对应的损失函数；

17、根据所述损失函数，对所述初始图像处理模型进行更新，得到所述目标图像处理模型。

18、可选的，所述根据所述第一图像隐向量、所述第二图像隐向量、所述第一文本隐向量和所述第二文本隐向量，确定所述初始神经模型对应的损失函数，包括：

19、获取所述第一图像隐向量和所述第二图像隐向量之间的第一向量差值；

20、获取所述第一文本隐向量和所述第二文本隐向量之间的第二向量差值；

21、根据所述第一向量差值和所述第二向量差值，确定所述初始图像处理模型对应的损失函数。

22、可选的，所述对所述第一样本图像进行初始美化处理，得到第二样本图像，包括：

23、获取针对所述第一样本图像所输入的美化指令，其中，所述美化指令包括针对至少一个美化功能所输入的选择指令；

24、根据所述美化指令，对所述第一样本图像进行初始美化处理，得到第二样本图像。

25、可选的，所述方法还包括：

26、将第四样本图像输入至所述目标图像处理模型，获取所述目标图像处理模型输出的第五样本图像；

27、获取所述第四样本图像的第一关键点集合；

28、获取所述第五样本图像的第二关键点集合；

29、在所述第一关键点集合和所述第二关键点集合的相似度大于相似度阈值时，确定所述目标图像处理模型满足模型检测要求。

30、根据本公开实施例的第二方面，提供一种图像处理方法，包括：

31、获取待美化图像；

32、获取针对所述待美化图像输入的第二图像美化处理信息，其中，所述第二图像美化处理信息包括第二语音美化处理信息和/或第二文本美化处理信息；

33、将所述待美化图像和所述第二图像美化处理信息输入至所述第一方面中任一项所述的目标图像处理模型，对所述待美化图像进行美化处理，得到美化后的图像。

34、根据本公开实施例的第三方面，提供一种图像处理模型的训练装置，包括：

35、图像获取单元，被配置为执行获取第一样本图像；

36、图像处理单元，被配置为执行对所述第一样本图像进行初始美化处理，得到第二样本图像；

37、信息获取单元，被配置为执行获取所述第二样本图像对应的文本描述信息，其中，所述文本描述信息用于描述所述第二样本图像的图像信息；

38、信息获取单元，还被配置为执行获取所述第一样本图像对应的第一图像美化处理信息，其中，所述第一图像美化处理信息用于描述针对所述第一样本图像所进行的初始美化处理，所述第一图像美化处理信息包括第一语音美化处理信息和/或第一文本美化处理信息；

39、模型训练单元，被配置为执行采用所述第二样本图像、所述文本描述信息和所述第一图像美化处理信息对初始图像处理模型进行训练，得到目标图像处理模型。

40、根据本公开实施例的第四方面，提供一种图像处理装置，包括：

41、待美化图像获取单元，被配置为执行获取待美化图像；

42、处理信息获取单元，被配置为执行获取针对所述待美化图像输入的第二图像美化处理信息，其中，所述第二图像美化处理信息包括第二语音美化处理信息和/或第二文本美化处理信息；

43、图像美化单元，被配置为执行将所述待美化图像和所述第二图像美化处理信息输入至第一方面中任一项所述的目标图像处理模型，对所述待美化图像进行美化处理，得到美化后的图像。

44、根据本公开实施例的第五方面，提供一种电子设备，包括：

45、处理器；

46、用于存储所述处理器可执行指令的存储器；

47、其中，所述处理器被配置为执行所述指令，以实现前述第一方面中任一项所述的图像处理模型的训练方法或第二方面中任一项所述的图像处理方法。

48、根据本公开实施例的第六方面，提供了一种计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述第一方面中任一项所述的图像处理模型的训练方法或第二方面中任一项所述的图像处理方法。

49、根据本公开实施例的第七方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现前述第一方面中任一项所述的图像处理模型的训练方法或第二方面中任一项所述的图像处理方法。

50、本公开的实施例提供的技术方案至少带来以下有益效果：

51、在一些或者相关实施例中，通过获取第一样本图像；对第一样本图像进行初始美化处理，得到第二样本图像；获取第二样本图像对应的文本描述信息；获取第一样本图像对应的第一图像美化处理信息；采用第二样本图像、文本描述信息和第一图像美化处理信息对初始图像处理模型进行训练，得到目标图像处理模型。因此，通过第二样本图像、文本描述信息和第一图像美化处理信息对初始图像处理模型进行训练，减少直接基于第一样本图像对初始图像处理模型进行训练，使得目标图像处理模型获取不准确的情况，且由于文本描述信息和图像美化处理信息为连续性信息，减少目标神经网络未获取到的时候，需要采用移动滑动条调整每个美化功能的强度，使得相邻两个非连续强度均不满足图像美化处理要求的情况，可以提高目标图像处理模型与图像美化处理的匹配度，可以提高目标图像处理模型获取的准确性，提高图像美化处理的智能性和准确性。

52、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。