CN114187201B 模型训练方法、图像处理方法、装置、设备及存储介质 （百果园技术(新加坡)有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114187201B(45)授权公告日2025.07.08

(21)申请号202111497159.5

(22)申请日2021.12.09

(65)同一申请的已公布的文献号申请公布号CN114187201A

(43)申请公布日2022.03.15

(73)专利权人百果园技术(新加坡)有限公司

地址新加坡巴西班让路枫树商业城30号楼

15层31A

(72)发明人徐颖李玉乐项伟

(74)专利代理机构北京品源专利代理有限公司11332

专利代理师初春

(51)Int.CI.

GO6T5/77(2024.01)

GO6T5/60(2024.01)

GO6T7/11(2017.01)

GO6T3/04(2024.01)

GO6N3/045(2023.01)

GO6N3/0475(2023.01)

GO6N3/084(2023.01)

GO6N3/094(2023.01)

(56)对比文件

CN113344903A,2021.09.03

US2020065945A1,2020.02.27审查员王洪格

权利要求书2页说明书10页附图6页

(54)发明名称

模型训练方法、图像处理方法、装置、设备及存储介质

(57)摘要

CN114187201B本发明实施例公开了模型训练方法、图像处理方法、装置、设备及存储介质。其中，模型训练方法包括：获取训练样本集合，利用训练样本集合基于预设损失函数对预设原始网络模型进行训练，得到目标网络模型，根据目标网络模型中包含的目标生成网络确定人脸图像处理模型，其中，预设原始网络模型中包括生成对抗网络和瑕疵分割网络，生成网络用于生成目标域无瑕疵人脸图像，瑕疵分割网络用于在训练过程中对生成网络输出的生成图像进行分割，将分割结果转化为抑制瑕疵损失函数，约束生成图像以抑制图像在生成过程瑕疵的产生。通过采用上述技术方

CN114187201B

实时性强。

获取包含训练样本对的第一训练样本集合，其中，训练样本对

获取包含训练样本对的第一训练样本集合，其中，训练样本对中包括包

含瑕疵的原始人脸样本图像和在原始人脸样本图像基础上祛除瑕疵后的

目标人脸样本图像

利用第一训练样本集合基于预设损失函数对预设原始网络模型进行训

练，得到目标网络模型，其中，预设原始网络模型中包括参数待调整的

生成对抗网络和预先训练好的参数固定的瑕疵分割网络，生成对抗网络

中包含生成网络和判别网络，生成网络用于生成目标域无瑕疵人脸图

像，瑕疵分割网络用于对生成网络输出的生成图像进行分割以得到基于

瑕疵区域和非瑕疵区域的分割结果，预设损失函数中包含抑制瑕疵损失

函数，抑制瑕疵损失函数由所述分割结果转化得到，用于约束生成图像

在生成过程中瑕疵的产生

根据所述目标网络模型中包含的目标生成网络确定人脸图像处理模型，

其中，所述人脸图像处理模型用于对待处理人脸图像进行处理，以祛除所述待处理人脸图像中包含的瑕疵

101

103

CN114187201B权利要求书1/2页

2

1.一种模型训练方法，其特征在于，包括：

获取包含训练样本对的第一训练样本集合，其中，所述训练样本对中包括包含瑕疵的原始人脸样本图像和在所述原始人脸样本图像基础上祛除瑕疵后的目标人脸样本图像；

利用所述第一训练样本集合基于预设损失函数对预设原始网络模型进行训练，得到目标网络模型，其中，所述预设原始网络模型中包括参数待调整的生成对抗网络和预先训练好的参数固定的瑕疵分割网络，所述生成对抗网络中包含生成网络和判别网络，所述生成网络用于生成目标域无瑕疵人脸图像，所述瑕疵分割网络用于对所述生成网络输出的生成图像进行分割以得到基于瑕疵区域和非瑕疵区域的分割结果，所述预设损失函数中包含抑制瑕疵损失函数，所述抑制瑕疵损失函数由所述分割结果转化得到，用于约束所述生成图像在生成过程中瑕疵的产生；

根据所述目标网络模型中包含的目标生成网络确定人脸图像处理模型，其中，所述人脸图像处理模型用于对待处理人脸图像进行处理，以祛除所述待处理人脸图像中包含的瑕

疵。

2.根据权利要求1所述的方法，其特征在于，在利用所述第一训练样本集合基于预设损失函数对预设原始网络模型进行