CN110633755A - 网络训练方法、图像处理方法及装置、电子设备 - Google Patents

网络训练方法、图像处理方法及装置、电子设备 Download PDF

Info

Publication number
CN110633755A
CN110633755A CN201910888618.9A CN201910888618A CN110633755A CN 110633755 A CN110633755 A CN 110633755A CN 201910888618 A CN201910888618 A CN 201910888618A CN 110633755 A CN110633755 A CN 110633755A
Authority
CN
China
Prior art keywords
image
network
loss
training
processing
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910888618.9A
Other languages
English (en)
Inventor
谢恩泽
王文海
刘学博
梁鼎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sensetime Technology Development Co Ltd
Original Assignee
Beijing Sensetime Technology Development Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Sensetime Technology Development Co Ltd filed Critical Beijing Sensetime Technology Development Co Ltd
Priority to CN201910888618.9A priority Critical patent/CN110633755A/zh
Priority to CN201911337804.XA priority patent/CN110889469B/zh
Publication of CN110633755A publication Critical patent/CN110633755A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00Geometric image transformations in the plane of the image
    • G06T3/40Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4046Scaling of whole images or parts thereof, e.g. expanding or contracting using neural networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00Geometric image transformations in the plane of the image
    • G06T3/40Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4053Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20084Artificial neural networks [ANN]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10Character recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Character Discrimination (AREA)

Abstract

本公开涉及一网络训练方法、图像处理方法及装置、电子设备,所述方法包括:通过生成网络对训练集中的样本图像进行超分辨率处理,得到第一图像,所述第一图像的分辨率高于所述样本图像的分辨率,所述训练集中的各所述样本图像对应标注图像以及标注文字信息;根据所述样本图像的标注图像及所述第一图像,确定所述生成网络的图像生成损失;通过识别网络对所述第一图像进行文字识别处理,得到第一文字信息;根据所述样本图像的标注文字信息及所述第一文字信息,确定第一文字识别损失;根据所述图像生成损失及所述第一文字识别损失,训练所述生成网络。本公开实施例可生成更有利于进行文字识别的图像,该方法可以使得文字识别精度更高。

Description

网络训练方法、图像处理方法及装置、电子设备
技术领域
本公开涉及人工智能技术领域,尤其涉及一种网络训练方法、图像处理方法及装置、电子设备。
背景技术
随着相关技术的发展,文字识别得到了广泛应用。文字识别可以应用于很多重要领域,例如:阅读理解、发票识别、车牌识别及视觉问答等领域中。但文字识别的精度与图像的清晰度关联较大,对于清晰度低的图像的文字识别精度较低。
相关技术中可以采用放大插值算法或者是传统超分辨率算法对图像进行放大,但这些算法均无法有效的恢复图像中的文字信息。
发明内容
本公开提出了一种网络训练和图像处理技术方案。
根据本公开的一方面,提供了一种网络训练方法,所述方法包括:
通过生成网络对训练集中的样本图像进行超分辨率处理,得到第一图像,所述第一图像的分辨率高于所述样本图像的分辨率,所述训练集中的各所述样本图像对应标注图像以及标注文字信息;
根据所述样本图像的标注图像及所述第一图像,确定所述生成网络的图像生成损失;
通过识别网络对所述第一图像进行文字识别处理,得到第一文字信息;
根据所述样本图像的标注文字信息及所述第一文字信息,确定第一文字识别损失;
根据所述图像生成损失及所述第一文字识别损失,训练所述生成网络。
在一种可能的实现方式中,所述根据所述图像生成损失及所述第一文字识别损失,训练所述生成网络,包括:
对所述图像生成损失与所述第一文字识别损失进行加权求和操作,得到所述生成网络的第一总体损失;
根据所述生成网络的第一总体损失,调整所述生成网络的网络参数。
在一种可能的实现方式中,所述方法还包括:
根据所述第一文字识别损失,训练所述识别网络。
在一种可能的实现方式中,所述方法还包括:
针对所述样本图像的标注图像,通过识别网络对该样本图像的标注图像进行文字识别处理,得到第二文字信息;
根据所述样本图像的标注图文字信息及所述第二文字信息,确定所述识别网络的第二文字识别损失;
根据所述第二文字识别损失,训练所述识别网络。
在一种可能的实现方式中,所述根据所述图像生成损失及所述第一文字识别损失,训练所述生成网络,包括:
通过判别网络分别对所述样本图像对应的第一图像及所述样本图像的标注图像进行高分辨率判别处理,得到所述第一图像的判别结果及所述标注图像的判别结果;
根据所述第一图像的判别结果及所述标注图像的判别结果,确定对抗损失;
根据所述对抗损失训练所述生成网络及所述判别网络。
在一种可能的实现方式中,所述根据对抗损失训练所述生成网络及所述判别网络,包括:
根据所述图像生成损失、所述第一文字识别损失以及所述对抗损失,得到所述生成网络的第二总体损失;
根据所述第二总体损失训练所述生成网络及所述判别网络。
在一种可能的实现方式中,所述生成网络包括至少一个反卷积层;所述通过生成网络对训练集中的样本图像进行超分辨率处理,得到第一图像,包括:
通过所述生成网络中的至少一个反卷积层对训练集中的样本图像进行反卷积处理,得到所述第一图像。
在一种可能的实现方式中,所述识别网络包括文字整流网络和文字识别网络;
所述通过识别网络对所述第一图像进行文字识别处理,得到第一文字信息,包括:
通过所述文字整流网络对所述第一图像中的文字进行整流处理,得到整流后的文字序列;
通过所述文字识别网络对所述文字序列进行文字识别处理,得到第一文字信息。
根据本公开的另一方面,提供了一种图像处理方法,包括:
通过生成网络对待处理图像进行超分辨率处理,得到超分辨率图像,其中,所述超分辨率图像的分辨率大于所述待处理图像的分辨率;
其中,所述生成网络采用前述网络训练方法训练得到。
在一种可能的实现方式中,所述方法还包括:
通过识别网络对超分辨率图像进行文字识别处理,确定所述待处理图像中的文字信息;
其中,所述识别网络采用前述网络训练方法训练得到。
根据本公开的一方面,提供了一种网络训练装置,所述装置包括:
第一处理模块,用于通过生成网络对训练集中的样本图像进行超分辨率处理,得到第一图像,所述第一图像的分辨率高于所述样本图像的分辨率,所述训练集中的各所述样本图像对应标注图像以及标注文字信息;
第一确定模块,用于根据所述样本图像的标注图像及所述第一图像,确定所述生成网络的图像生成损失;
第二处理模块,用于通过识别网络对所述第一图像进行文字识别处理,得到第一文字信息;
第二确定模块,用于根据所述样本图像的标注文字信息及所述第一文字信息,确定第一文字识别损失;
第一训练模块,用于根据所述图像生成损失及所述第一文字识别损失,训练所述生成网络。
在一种可能的实现方式中,所述第一训练模块还用于:
对所述图像生成损失与所述第一文字识别损失进行加权求和操作,得到所述生成网络的第一总体损失;
根据所述生成网络的第一总体损失,调整所述生成网络的网络参数。
在一种可能的实现方式中,所述装置还包括:
第二训练模块,用于根据所述第一文字识别损失,训练所述识别网络。
在一种可能的实现方式中,所述装置还包括:
第三处理模块,用于针对所述样本图像的标注图像,通过识别网络对该样本图像的标注图像进行文字识别处理,得到第二文字信息;
第三确定模块,用于根据所述样本图像的标注图文字信息及所述第二文字信息,确定所述识别网络的第二文字识别损失;
第三训练模块,用于根据所述第二文字识别损失,训练所述识别网络。
在一种可能的实现方式中,所述第一训练模块还用于:
通过判别网络分别对所述样本图像对应的第一图像及所述样本图像的标注图像进行高分辨率判别处理,得到所述第一图像的判别结果及所述标注图像的判别结果;
根据所述第一图像的判别结果及所述标注图像的判别结果,确定对抗损失;
根据所述对抗损失训练所述生成网络及所述判别网络。
在一种可能的实现方式中,所述第一训练模块还用于:
根据所述图像生成损失、所述第一文字识别损失以及所述对抗损失,得到所述生成网络的第二总体损失;
根据所述第二总体损失训练所述生成网络及所述判别网络。
在一种可能的实现方式中,所述生成网络包括至少一个反卷积层;所述第一处理模块还用于:
通过所述生成网络中的至少一个反卷积层对训练集中的样本图像进行反卷积处理,得到所述第一图像。
在一种可能的实现方式中,所述识别网络包括文字整流网络和文字识别网络;
所述第二处理模块还用于:
通过所述文字整流网络对所述第一图像中的文字进行整流处理,得到整流后的文字序列;
通过所述文字识别网络对所述文字序列进行文字识别处理,得到第一文字信息。
根据本公开的一方面,提供了一种图像处理装置,包括:
第一处理模块,用于通过生成网络对待处理图像进行超分辨率处理,得到超分辨率图像,其中,所述超分辨率图像的分辨率大于所述待处理图像的分辨率;
其中,所述生成网络采用前述网络训练方法训练得到。
在一种可能的实现方式中,所述装置还包括:
第二处理模块,用于通过识别网络对超分辨率图像进行文字识别处理,确定所述待处理图像中的文字信息;
其中,所述识别网络采用前述网络训练方法训练得到。
根据本公开的一方面,提供了一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述网络训练方法。
根据本公开的一方面,提供了一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述图像处理方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述网络训练方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述图像处理方法。
这样一来,本公开实施例公开的网络训练方法、图像处理方法及装置、电子设备,通过生成网络对样本图像进行超分辨率图像复原处理,得到对应的第一图像,通过识别网络对第一图像进行文字识别处理,得到第一文字信息后,根据样本图像的标注文字信息及第一文字信息确定识别网络的第一文字识别损失,并通过第一文字识别损失反向传播以监督生成网络的训练,加快生成网络的收敛速度,且使得生成网络可以生成更有利于进行文字识别的图像,该方法可以使得文字识别精度更高。
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,而非限制本公开。根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的网络训练方法的流程图;
图2示出根据本公开实施例的神经网络的结构示意图;
图3示出根据本公开实施例的网络训练装置的结构框图;
图4示出根据本公开实施例的一种电子设备的框图;
图5示出根据本公开实施例的一种电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
图1示出根据本公开实施例的网络训练方法的流程图。该网络训练方法可以由终端设备或其它处理设备执行,其中,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。其它处理设备可为服务器或云端服务器等。在一些可能的实现方式中,该网络训练方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
如图1所示,所述方法包括:
步骤S11、通过生成网络对训练集中的样本图像进行超分辨率处理,得到第一图像,所述第一图像的分辨率高于所述样本图像的分辨率,所述训练集中包括各样本图像对应标注图像以及标注文字信息。
举例来说,可以预先创建训练集,该训练集中可以包括多个样本图像(样本图像中包括文字信息)、及各个样本图像的标注图像(样本图像的标注图像与样本图像中包括的内容一致,且标注图像的分辨率高于样本图像的分辨率)、及各个样本图像的标注文字信息(样本图像的标注文字信息为样本图像中包括的文字信息),本公开实施例中可以通过该训练集训练各个网络,例如生成网络、识别网络。上述生成网络和识别网络可以是神经网络,也可以是其他可实现对应处理的网络模型,在此不做限定。
举例来说,生成网络可以为深度卷积神经网络,在生成网络的训练期间,可以将样本图像输入到生成网络中进行超分辨率处理,得到分辨率高于样本图像的分辨率的第一图像。
在一种可能的实现方式中,上述生成网络可以包括至少一个反卷积层;上述通过生成网络对训练集中的样本图像进行超分辨率处理,得到第一图像,可以包括:
通过所述生成网络中的至少一个反卷积层对训练集中的样本图像进行反卷积处理,得到所述第一图像。
生成网络可以通过卷积操作对样本图像进行图像特征提取后,通过反卷积层进行反卷积操作,以对提取的样本图像的图像特征进行上采样以放大样本图像的分辨率,得到第一图像。
图2示出本公开实施例一种神经网络的结构示意图。
示例性的,参照图2,生成网络可以包括第一卷积层(Conv层)201、第一激活层(RelU层)202、多个残差模块203、第一反卷积层(DeConv层)204、第二激活层(RelU层)205、第二反卷积层(DeConv层)206、第三激活层(RelU层)207及第二卷积层(Conv层)208。
生成网络通过第一卷积层201对样本图像209进行卷积处理,得到第一卷积结果(该第一卷积结果为提取的样本图像的图像特征)。通过第一激活层202对第一卷积结果进行激活处理后,将激活后的第一卷积结果输入残差模块203,通过残差模块确定激活后的第一卷积结果的残差,并对该残差与激活后的第一卷积结果进行求和处理,得到第一数据,并根据第一数据及其他残差模块依次执行残差计算及求得的残差与残差模块的输入数据的求和计算,得到残差处理数据。第一反卷积层204对该残差处理数据进行反卷积处理,得到第一反卷积结果后,输入该第一反卷积结果至第二激活层205。第二激活层205对第一反卷积处理结果进行激活处理后,将激活后的第一反卷积处理结果输入第二反卷积层206。第二反卷积层206对激活后的第一反卷积结果进行反卷积处理,得到第二反卷积结果,并将该第二反卷积结果输入第二激活层207(第一反卷积层及第二反卷积层均实现针对输入数据的上采样处理,以放大输入数据)。第二激活层207对第二反卷积结果执行激活操作后,得到激活后的第二反卷积结果。通过第二卷积层208对激活后的第二反卷积结果进行卷积处理后,得到第一图像210,该第一图像的分辨率高于样本图像。
步骤S12、根据所述样本图像的标注图像及所述第一图像,确定所述生成网络的图像生成损失。
举例来说,由于生成网络的训练目标是生成分辨率无限趋近于样本图像的标注图像的第一图像,故在对各个样本图像进行超分辨率图像复原处理得到各个样本图像的第一图像后,可以根据各个样本图像的第一图像及各个样本图像的标注图像确定生成网络的图像生成损失,例如:可以采用0-1损失函数、平方损失函数、绝对损失函数、指数损失函数等损失函数确定图像损失,本公开对于确定生成网络的图像生成损失的函数不作具体限定。
步骤S13、通过识别网络对所述第一图像进行文字识别处理,得到第一文字信息。
举例来说,在生成网络生成样本图像对应的第一图像后,可以将第一图像输入至识别网络进行文字识别处理,得到第一图像中包括的第一文字信息。其中,识别网络可以为用于文字识别的卷积神经网络。
在一种可能的实现方式中,上述识别网络可以包括文字整流网络和文字识别网络;
上述通过识别网络对所述第一图像进行文字识别处理,得到第一文字信息,包括:
通过所述文字整流网络对所述第一图像中的文字进行整流处理,得到整流后的文字序列;
通过所述文字识别网络对所述文字序列进行文字识别处理,得到第一文字信息。
上述文字整流网络可以对第一图像中的文字进行矫正,例如:对第一图像中的文字进行字符纠正、排序、位置和字体大小调整等操作,以将第一图像中的文字调整为规范格式,得到整流后的文字序列。
文字识别网络可以对得到的整流后的文字序列进行文字识别处理,得到第一图像中的文字信息。示例性的,文字识别网络可以由第一卷积层、第二卷积层、编码器及解码器组成,其中,编码器可以用于提取整流后的第一图像中的文字图像的特征,并将文字图像的特征转换为特征序列,解码器用于根据特征序列预测字符序列,得到第一图像中的文字信息。
这样,基于文字整流网络对第一图像中的文字进行整流后,再通过文字识别网络对整流后的文字序列进行文字识别处理,可以提高第一图像中文字的识别精度。
步骤S14、根据所述样本图像的标注文字信息及所述第一文字信息,确定所述识别网络的第一文字识别损失。
举例来说,针对任一样本图像,可以根据该样本图像的标注文字信息及识别网络识别得到的第一文字信息,确定识别网络针对该样本图像的损失,例如:可以通过以下公式(一)确定识别网络针对任一样本图像的损失:
Figure BDA0002208061260000111
其中,t表示文字信息的字符序列的长度,ISR表示第一图像,yt表示样本图像的标注文字信息的字符序列中第t个字符,p(yt|ISR)表示第一文字信息输出的第t个字符,lTR表示识别网络针对样本图像的损失。
在确定识别网络针对各个样本图像的损失后,可以根据识别网络针对各个样本图像的损失确定识别网络的第一文字识别损失,例如:可以确定所有样本图像的损失的均值为识别网络的第一文字识别损失,可以通过以下公式(二)确定第一文字识别损失:
Figure BDA0002208061260000121
其中,G表示生成网络,n可以表示图像编号,N为可以表示样本图像的总数,
Figure BDA0002208061260000122
可以表示第n个样本图像,
Figure BDA0002208061260000123
可以表示第n个样本图像对应的第一图像,yn可以表示第n个样本图像的标注文字信息,可以表示识别网络针对第n个样本图像的损失。
步骤S15、根据所述图像生成损失及所述第一文字识别损失,训练所述生成网络。
举例来说,在确定识别网络的第一文字识别损失后,可以反向传播,以综合生成网络的图像生成损失训练生成网络,例如:根据图像生成损失及第一文字识别损失调整生成网络的网络参数,直至图像生成损失及第一文字识别损失满足生成网络的训练要求。
在一种可能的实现方式中,所述根据所述图像生成损失及所述第一文字识别损失,训练所述生成网络,可以包括:
对所述图像生成损失与所述第一文字识别损失进行加权求和操作,得到所述生成网络的第一总体损失;
根据所述生成网络的第一总体损失,调整所述生成网络的网络参数。
举例来说,可以对样本图像对应的图像生成损失及第一文字识别损失进行加权求和(在一个示例中,可以对样本图像对应的图像生成损失及第一文字识别损失进行1:1的加权求和操作),得到该样本图像对应的损失信息,确定所有样本图像的损失信息的均值为生成网络的第一总体损失,可以通过下述公式(三)确定生成网络的第一总体损失:
Figure BDA0002208061260000125
其中,
Figure BDA0002208061260000126
可以表示第n个样本图像的标注图像,
Figure BDA0002208061260000127
可以表示第n个图像样本对应的图像损失及第一文字识别损失的加权和。
这样一来,本公开实施例公开的网络训练方法,通过生成网络对样本图像进行超分辨率图像复原处理,得到对应的第一图像,通过识别网络对第一图像进行文字识别处理,得到第一文字信息后,根据样本图像的标注文字信息及第一文字信息确定识别网络的第一文字识别损失,并通过第一文字识别损失反向传播以监督生成网络的训练,加快生成网络的收敛速度,且使得生成网络可以生成更有利于进行文字识别的图像,该图像可以使得文字识别精度更高。
在一种可能的实现方式中,上述方法还可以包括:
根据所述第一文字识别损失,训练所述识别网络。
本公开实施例中,在训练生成网络的过程中,可以同时训练识别网络。在确定识别网络的第一文字识别损失后,可以根据第一文字识别损失调整识别网络的网络参数,直至第一文字识别损失满足识别网络的训练要求。
这样一来,本公开实施例提供的网络训练方法,可以在训练生成网络的同时,训练识别网络,并通过识别网络的损失监督生成网络的训练,能够加快生成网络的收敛速度,且使得生成网络可以生成更有利于进行文字识别的图像,该图像可以使得文字识别精度更高。
在一种可能的实现方式中,上述方法还可以包括:
针对所述样本图像的标注图像,通过识别网络对该样本图像的标注图像进行文字识别处理,得到第二文字信息;
根据所述样本图像的标注图文字信息及所述第二文字信息,确定所述识别网络的第二文字识别损失;
根据所述第二文字识别损失,训练所述识别网络。
本公开实施例中,可以预先根据训练集训练识别网络,并在完成识别网络的训练后,根据训练后得到的识别网络监督生成网络的训练。
针对识别网络的训练过程具体为:通过识别网络对各个样本图像的标注图像进行文字识别处理,得到各个标注图像中包括的第二文字信息,并根据各个样本图像的标注文字信息及各个样本图像的标注图像对应的第二文字信息确定该识别网络的第二文字识别损失,进而根据第二文字识别损失调整识别网络的网络参数,直至该识别网络的第二文字识别损失满足该识别网络的训练要求为止,停止识别网络的训练,得到训练后的识别网络。
在完成识别网络的训练后,可以通过该识别网络对生成网络生成的第一图像进行文字识别处理,得到第二文字信息,并根据该第二文字信息及样本图像的标注信息确定识别网络的第一文字识别损失,进而根据该第一文字识别损失及生成网络的图像生成损失,训练生成网络。这样一来,本公开实施例提供的网络训练方法,可以在训练生成网络之前,预先训练识别网络,并通过训练好的识别网络监督生成网络的训练,能够加快生成网络的收敛速度,且使得生成网络可以生成更有利于进行文字识别的图像,该图像可以使得文字识别精度更高。
在一种可能的实现方式中,上述根据所述图像生成损失及所述第一文字识别损失,训练所述生成网络,可以包括:
通过判别网络分别对所述样本图像对应的第一图像及所述样本图像的标注图像进行高分辨率判别处理,得到所述第一图像的判别结果及所述标注图像的判别结果;
根据所述第一图像的判别结果及所述标注图像的判别结果,确定对抗损失;
根据所述对抗损失训练所述生成网络及所述判别网络。
本公开实时例可以通过判别网络与生成网络进行对抗训练,以提高生成网络的精度。
举例来说,可以分别将生成网络根据样本图像生成的第一图像及样本图像的标注图像输入判别网络中进行高分辨率判别处理,得到第一图像为高分辨率图像的概率及样本图像的标注图像为高分辨率图像的概率,并根据第一图像为高分辨率图像的概率及样本图像的标注图像确定对抗训练的对抗损失,根据该对抗损失对抗训练上述生成网络及上述判别网络。
其中可以通过下述公式(四)对生成网络及判别网络进行对抗训练:
Figure BDA0002208061260000151
公式四
其中,上述D表示判别网络,IHR表示样本图像的标注图像,ILR表示样本图像,
Figure BDA0002208061260000152
可以表示样本图像的标注图像服从训练集的概率分布情况下的判别损失,
Figure BDA0002208061260000153
可以表示样本图像(服从生成网络的输出)的判别损失,DθD(IHR)表示样本图像属于高分辨率图像的概率,DθD(GθG(ILR))表示第一图像属于高分辨率图像的概率。
在一种可能的实现方式中,所述根据对抗损失训练所述生成网络及所述判别网络,可以包括:
根据所述图像生成损失、所述第一文字识别损失以及所述对抗损失,得到所述生成网络的第二总体损失;
根据所述第二总体损失训练所述生成网络及所述判别网络。
在确定对抗损失后,可以对生成网络的图像生成损失、识别网络的第一文字识别损失及上述对抗损失进行加权求和操作,得到生成网络的第二总体损失,并根据该第二总体损失调整生成网络的网络参数。
通过调整参数后的生成网络对样本图像进行超分辨图像复原处理,得到第二图像,通过判别网络分别对所述样本图像对应的第二图像及样本图像的标注图像进行高分辨率判别处理,得到所述样本图像对应的第二图像为高分辨率图像的概率及所述样本图像的标注图像为高分辨率图像的概率。根据第二图像为高分辨率图像的概率及所述样本图像的标注图像为高分辨率图像的概率确定对抗训练的对抗损失,并根据该对抗损失调整判别网络的参数。循环执行根据对抗损失对所述生成网络及所述判别网络进行参数调整的过程,以优化生成网络及判别网络,直至所述对抗损失满足对抗训练要求。在优化生成网络时,期望V(D,G)最小化,也即生成网络能生成无限趋近于样本图像的标注图像的第一图像,在优化判别网络时,期望V(D,G)最大化,也即判别网络能判断出输入的图像为样本图像的标注图像还是来自生成网络生成的第一图像。
在训练过程中,生成网络试图混淆第一图像与样本图像的标注图像,判别网络试图区分第一图像与样本图像的标注图像,两者相互对抗。在优化过程中,两个网络分别提升生成及判别能力,最终得到最优的网络参数。
为使本领域技术人员更好的理解本公开实施例,以下通过图2所示的神经网络对本公开实施例加以说明。
如图2所示,本公开示例中提供的神经网络包括:生成网络、判别网络、及识别网络,其中生成网络用于对样本图像209进行超分辨率图像复原处理,判别网络用于对生成网络生成的第一图像209及样本图像的标注图像211进行高分辨率判别处理,识别网络用于对生成网络生成的第一图像进行文字识别处理。
将样本图像输入生成网络后,生成网络对该样本图像执行超分辨率处理,得到第一图像,并将第一图像分别输入判别网络和识别网络中。判别网络对第一图像及样本图像对应的标注图像进行高分辨率判别处理,得到判别结果,根据判别结果确定对抗损失。识别网络对第一图像进行文字识别处理,得到第一文字信息,并通过损失函数TPL(TextPerceptual Loss,文本损失函数)根据样本图像的标注文字信息及第一文字信息确定第一文字识别损失。进而可以通过对抗损失和第一文字识别损失反向传播监督生成网络的训练,以提高生成网络的精度,加快生成网络的收敛。
这样一来,通过本公开实施例提供的网络训练方法,可以通过判别网络与生成网络进行对抗训练,可以提高生成网络的精度。
本公开实施例提供一种图像处理方法,该图像处理方法可以由终端设备或其它处理设备执行,其中,终端设备可以为用户设备(User Equipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(Personal Digital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。其它处理设备可为服务器或云端服务器等。在一些可能的实现方式中,该图像处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。该方法可以包括:
通过生成网络对待处理图像进行超分辨率处理,得到超分辨率图像,其中,所述待处理图像中包括文字信息,所述超分辨率图像的分辨率大于所述待处理图像的分辨率;
其中,所述生成网络可以采用前述实施例的网络训练方法训练得到。
举例来说,可以采用前述训练的生成网络对待处理图像进行超分辨率处理,例如:将待处理图像输入生成网络中,该生成网络的输出为超分辨率图像,由于该生成网络可以生成有利于文字识别的超分辨率图像,故可以提高对文字信息的识别精度(生成网络的训练过程可以参照前述实施例,本申请在此不再赘述)。
在一种可能的实现方式中,上述方法还可以包括:
通过识别网络对所述超分辨率图像进行文本识别处理,确定所述待处理图像中的文字信息;
其中,所述识别网络可以采用前述实施例的网络训练方法训练得到。
得到待处理图像的超分辨率图像后,可以通过前述训练的识别网络对超分辨率图像进行文字识别处理,以得到待处理图像中的文字信息。示例性的,可以将超分辨率图像输入识别网络中,该识别网络的输出为待处理图像中的文字信息(识别网络的训练过程可以参照前述实施例,本申请在此不再赘述)。
这样,根据本公开实施例提供的图像处理方法,通过生成网络对待处理图像进行超分辨率处理,得到了分辨率高于待处理图像且有利于文字识别的超分辨率图像,通过该超分辨率图像进行文字识别处理,可以提高得到的文字信息的精度。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
此外,本公开还提供了网络训练装置、图像处理装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种网络训练方法、图像处理方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
图3示出根据本公开实施例的网络训练装置的结构框图。如3所示,该装置可以包括:
第一处理模块301,可以用于通过生成网络对训练集中的样本图像进行超分辨率处理,得到第一图像,所述第一图像的分辨率高于所述样本图像的分辨率,所述训练集中的各所述样本图像对应标注图像以及标注文字信息;
第一确定模块302,可以用于根据所述样本图像的标注图像及所述第一图像,确定所述生成网络的图像生成损失;
第二处理模块303,可以用于通过识别网络对所述第一图像进行文字识别处理,得到第一文字信息;
第二确定模块304,可以用于根据所述样本图像的标注文字信息及所述第一文字信息,确定第一文字识别损失;
第一训练模块305,可以用于根据所述图像生成损失及所述第一文字识别损失,训练所述生成网络。
这样一来,本公开实施例公开的网络训练装置,通过生成网络对样本图像进行超分辨率图像复原处理,得到对应的第一图像,通过识别网络对第一图像进行文字识别处理,得到第一文字信息后,根据样本图像的标注文字信息及第一文字信息确定识别网络的第一文字识别损失,并通过第一文字识别损失反向传播以监督生成网络的训练,加快生成网络的收敛速度,且使得生成网络可以生成更有利于进行文字识别的图像,该图像可以使得文字识别精度更高。
在一种可能的实现方式中,所述第一训练模块还可以用于:
对所述图像生成损失与所述第一文字识别损失进行加权求和操作,得到所述生成网络的第一总体损失;
根据所述生成网络的第一总体损失,调整所述生成网络的网络参数。
在一种可能的实现方式中,所述装置还可以包括:
第二训练模块,用于根据所述第一文字识别损失,训练所述识别网络。
在一种可能的实现方式中,所述装置还可以包括:
第三处理模块,用于针对所述样本图像的标注图像,通过识别网络对该样本图像的标注图像进行文字识别处理,得到第二文字信息;
第三确定模块,用于根据所述样本图像的标注图文字信息及所述第二文字信息,确定所述识别网络的第二文字识别损失;
第三训练模块,用于根据所述第二文字识别损失,训练所述识别网络。
在一种可能的实现方式中,所述第一训练模块还可以用于:
通过判别网络分别对所述样本图像对应的第一图像及所述样本图像的标注图像进行高分辨率判别处理,得到所述第一图像的判别结果及所述标注图像的判别结果;
根据所述第一图像的判别结果及所述标注图像的判别结果,确定对抗损失;
根据所述对抗损失训练所述生成网络及所述判别网络。
在一种可能的实现方式中,所述第一训练模块还用于:
根据所述图像生成损失、所述第一文字识别损失以及所述对抗损失,得到所述生成网络的第二总体损失;
根据所述第二总体损失训练所述生成网络及所述判别网络。
在一种可能的实现方式中,所述生成网络包括至少一个反卷积层;所述第一处理模块还用于:
通过所述生成网络中的至少一个反卷积层对训练集中的样本图像进行反卷积处理,得到所述第一图像。
在一种可能的实现方式中,所述识别网络包括文字整流网络和文字识别网络;
所述第二处理模块还用于:
通过所述文字整流网络对所述第一图像中的文字进行整流处理,得到整流后的文字序列;
通过所述文字识别网络对所述文字序列进行文字识别处理,得到第一文字信息。
本公开实施例提供一种图像处理装置,该图像处理装置可以包括:
第一处理模块,用于通过生成网络对待处理图像进行超分辨率处理,得到超分辨率图像,其中,所述超分辨率图像的分辨率大于所述待处理图像的分辨率;
其中,所述生成网络采用前述网络训练方法训练得到。
在一种可能的实现方式中,所述装置还包括:
第二处理模块,用于通过识别网络对超分辨率图像进行文字识别处理,确定所述待处理图像中的文字信息;
其中,所述识别网络采用前述网络训练方法训练得到。
这样,根据本公开实施例提供的图像处理装置,通过生成网络对待处理图像进行超分辨率处理,得到了分辨率高于待处理图像且有利于文字识别的超分辨率图像,通过该超分辨率图像进行文字识别处理,可以提高得到的文字信息的精度。
本公开实施例还提出一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为调用所述存储器存储的指令,以执行上述方法。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现如上任一实施例提供的网络训练方法的指令。
本公开实施例还提供了一种计算机程序产品,包括计算机可读代码,当计算机可读代码在设备上运行时,设备中的处理器执行用于实现如上任一实施例提供的图像处理方法的指令。
本公开实施例还提供了另一种计算机程序产品,用于存储计算机可读指令,指令被执行时使得计算机执行上述任一实施例提供的网络训练方法的操作。
本公开实施例还提供了另一种计算机程序产品,用于存储计算机可读指令,指令被执行时使得计算机执行上述任一实施例提供的图像处理方法的操作。
电子设备可以被提供为终端、服务器或其它形态的设备。
图4示出根据本公开实施例的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等终端。
参照图4,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图5示出根据本公开实施例的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图5,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种网络训练方法,其特征在于,所述方法包括:
通过生成网络对训练集中的样本图像进行超分辨率处理,得到第一图像,所述第一图像的分辨率高于所述样本图像的分辨率,所述训练集中的各所述样本图像对应标注图像以及标注文字信息;
根据所述样本图像的标注图像及所述第一图像,确定所述生成网络的图像生成损失;
通过识别网络对所述第一图像进行文字识别处理,得到第一文字信息;
根据所述样本图像的标注文字信息及所述第一文字信息,确定第一文字识别损失;
根据所述图像生成损失及所述第一文字识别损失,训练所述生成网络。
2.根据权利要求1所述的方法,其特征在于,所述根据所述图像生成损失及所述第一文字识别损失,训练所述生成网络,包括:
对所述图像生成损失与所述第一文字识别损失进行加权求和操作,得到所述生成网络的第一总体损失;
根据所述生成网络的第一总体损失,调整所述生成网络的网络参数。
3.根据权利要求1或2所述的方法,其特征在于,所述根据所述图像生成损失及所述第一文字识别损失,训练所述生成网络,包括:
通过判别网络分别对所述样本图像对应的第一图像及所述样本图像的标注图像进行高分辨率判别处理,得到所述第一图像的判别结果及所述标注图像的判别结果;
根据所述第一图像的判别结果及所述标注图像的判别结果,确定对抗损失;
根据所述对抗损失训练所述生成网络及所述判别网络。
4.一种图像处理方法,其特征在于,包括:
通过生成网络对待处理图像进行超分辨率处理,得到超分辨率图像,其中,所述超分辨率图像的分辨率大于所述待处理图像的分辨率;
其中,所述生成网络采用权利要求1至3的网络训练方法训练得到。
5.一种网络训练装置,其特征在于,所述装置包括:
第一处理模块,用于通过生成网络对训练集中的样本图像进行超分辨率处理,得到第一图像,所述第一图像的分辨率高于所述样本图像的分辨率,所述训练集中的各所述样本图像对应标注图像以及标注文字信息;
第一确定模块,用于根据所述样本图像的标注图像及所述第一图像,确定所述生成网络的图像生成损失;
第二处理模块,用于通过识别网络对所述第一图像进行文字识别处理,得到第一文字信息;
第二确定模块,用于根据所述样本图像的标注文字信息及所述第一文字信息,确定第一文字识别损失;
第一训练模块,用于根据所述图像生成损失及所述第一文字识别损失,训练所述生成网络。
6.一种图像处理装置,其特征在于,包括:
第一处理模块,用于通过生成网络对待处理图像进行超分辨率处理,得到超分辨率图像,其中,所述超分辨率图像的分辨率大于所述待处理图像的分辨率;
其中,所述生成网络采用权利要求1至3的网络训练方法训练得到。
7.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至3中任意一项所述的方法。
8.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求4所述的方法。
9.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至3中任意一项所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求4所述的方法。
CN201910888618.9A 2019-09-19 2019-09-19 网络训练方法、图像处理方法及装置、电子设备 Pending CN110633755A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910888618.9A CN110633755A (zh) 2019-09-19 2019-09-19 网络训练方法、图像处理方法及装置、电子设备
CN201911337804.XA CN110889469B (zh) 2019-09-19 2019-12-23 图像处理方法及装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910888618.9A CN110633755A (zh) 2019-09-19 2019-09-19 网络训练方法、图像处理方法及装置、电子设备

Publications (1)

Publication Number Publication Date
CN110633755A true CN110633755A (zh) 2019-12-31

Family

ID=68971852

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201910888618.9A Pending CN110633755A (zh) 2019-09-19 2019-09-19 网络训练方法、图像处理方法及装置、电子设备
CN201911337804.XA Active CN110889469B (zh) 2019-09-19 2019-12-23 图像处理方法及装置、电子设备和存储介质

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201911337804.XA Active CN110889469B (zh) 2019-09-19 2019-12-23 图像处理方法及装置、电子设备和存储介质

Country Status (1)

Country Link
CN (2) CN110633755A (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111223040A (zh) * 2020-01-09 2020-06-02 北京市商汤科技开发有限公司 网络训练方法及装置、图像生成方法及装置
CN111310764A (zh) * 2020-01-20 2020-06-19 上海商汤智能科技有限公司 网络训练、图像处理方法及装置、电子设备和存储介质
CN111402156A (zh) * 2020-03-11 2020-07-10 腾讯科技(深圳)有限公司 一种涂抹图像的复原方法、装置及存储介质和终端设备
CN111461070A (zh) * 2020-04-29 2020-07-28 Oppo广东移动通信有限公司 文本识别方法、装置、电子设备及存储介质
CN112419158A (zh) * 2020-12-07 2021-02-26 上海互联网软件集团有限公司 图像视频超分辨率与超清晰度重建系统及方法
CN112419159A (zh) * 2020-12-07 2021-02-26 上海互联网软件集团有限公司 文字图像超分辨率重建系统及方法
CN112669204A (zh) * 2021-01-04 2021-04-16 北京金山云网络技术有限公司 图像处理方法、图像处理模型的训练方法和装置
CN112906699A (zh) * 2020-12-23 2021-06-04 深圳市信义科技有限公司 一种车牌放大号的检测识别方法
CN113538235A (zh) * 2021-06-30 2021-10-22 北京百度网讯科技有限公司 图像处理模型的训练方法、装置、电子设备及存储介质
CN113537151A (zh) * 2021-08-12 2021-10-22 北京达佳互联信息技术有限公司 图像处理模型的训练方法及装置、图像处理方法及装置
CN113591798A (zh) * 2021-08-23 2021-11-02 京东科技控股股份有限公司 文档文字的重建方法及装置、电子设备、计算机存储介质
CN116091871A (zh) * 2023-03-07 2023-05-09 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种针对目标检测模型的物理对抗样本生成方法及装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652093B (zh) * 2020-05-21 2023-10-24 中国工商银行股份有限公司 文本图像处理方法及装置
CN116095509B (zh) * 2021-11-05 2024-04-12 荣耀终端有限公司 生成视频帧的方法、装置、电子设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107330444A (zh) * 2017-05-27 2017-11-07 苏州科技大学 一种基于生成对抗网络的图像自动文本标注方法
US10776903B2 (en) * 2017-07-17 2020-09-15 Open Text Corporation Systems and methods for image modification and image based content capture and extraction in neural networks
CN107679533A (zh) * 2017-09-27 2018-02-09 北京小米移动软件有限公司 文字识别方法及装置
CN109657229A (zh) * 2018-10-31 2019-04-19 北京奇艺世纪科技有限公司 一种意图识别模型生成方法、意图识别方法及装置

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111223040A (zh) * 2020-01-09 2020-06-02 北京市商汤科技开发有限公司 网络训练方法及装置、图像生成方法及装置
CN111223040B (zh) * 2020-01-09 2023-04-25 北京市商汤科技开发有限公司 网络训练方法及装置、图像生成方法及装置
CN111310764A (zh) * 2020-01-20 2020-06-19 上海商汤智能科技有限公司 网络训练、图像处理方法及装置、电子设备和存储介质
CN111310764B (zh) * 2020-01-20 2024-03-26 上海商汤智能科技有限公司 网络训练、图像处理方法及装置、电子设备和存储介质
CN111402156B (zh) * 2020-03-11 2021-08-03 腾讯科技(深圳)有限公司 一种涂抹图像的复原方法、装置及存储介质和终端设备
CN111402156A (zh) * 2020-03-11 2020-07-10 腾讯科技(深圳)有限公司 一种涂抹图像的复原方法、装置及存储介质和终端设备
CN111461070B (zh) * 2020-04-29 2023-12-08 Oppo广东移动通信有限公司 文本识别方法、装置、电子设备及存储介质
CN111461070A (zh) * 2020-04-29 2020-07-28 Oppo广东移动通信有限公司 文本识别方法、装置、电子设备及存储介质
CN112419159A (zh) * 2020-12-07 2021-02-26 上海互联网软件集团有限公司 文字图像超分辨率重建系统及方法
CN112419158A (zh) * 2020-12-07 2021-02-26 上海互联网软件集团有限公司 图像视频超分辨率与超清晰度重建系统及方法
CN112419159B (zh) * 2020-12-07 2024-06-04 上海互联网软件集团有限公司 文字图像超分辨率重建系统及方法
CN112906699A (zh) * 2020-12-23 2021-06-04 深圳市信义科技有限公司 一种车牌放大号的检测识别方法
CN112669204A (zh) * 2021-01-04 2021-04-16 北京金山云网络技术有限公司 图像处理方法、图像处理模型的训练方法和装置
CN112669204B (zh) * 2021-01-04 2024-05-03 北京金山云网络技术有限公司 图像处理方法、图像处理模型的训练方法和装置
CN113538235A (zh) * 2021-06-30 2021-10-22 北京百度网讯科技有限公司 图像处理模型的训练方法、装置、电子设备及存储介质
CN113538235B (zh) * 2021-06-30 2024-01-09 北京百度网讯科技有限公司 图像处理模型的训练方法、装置、电子设备及存储介质
CN113537151A (zh) * 2021-08-12 2021-10-22 北京达佳互联信息技术有限公司 图像处理模型的训练方法及装置、图像处理方法及装置
CN113537151B (zh) * 2021-08-12 2023-10-17 北京达佳互联信息技术有限公司 图像处理模型的训练方法及装置、图像处理方法及装置
CN113591798B (zh) * 2021-08-23 2023-11-03 京东科技控股股份有限公司 文档文字的重建方法及装置、电子设备、计算机存储介质
CN113591798A (zh) * 2021-08-23 2021-11-02 京东科技控股股份有限公司 文档文字的重建方法及装置、电子设备、计算机存储介质
CN116091871B (zh) * 2023-03-07 2023-08-25 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种针对目标检测模型的物理对抗样本生成方法及装置
CN116091871A (zh) * 2023-03-07 2023-05-09 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种针对目标检测模型的物理对抗样本生成方法及装置

Also Published As

Publication number Publication date
CN110889469B (zh) 2023-07-21
CN110889469A (zh) 2020-03-17

Similar Documents

Publication Publication Date Title
CN110633755A (zh) 网络训练方法、图像处理方法及装置、电子设备
CN109800737B (zh) 面部识别方法及装置、电子设备和存储介质
CN110378976B (zh) 图像处理方法及装置、电子设备和存储介质
CN110287874B (zh) 目标追踪方法及装置、电子设备和存储介质
CN111753822A (zh) 文本识别方法及装置、电子设备和存储介质
CN112465843A (zh) 图像分割方法及装置、电子设备和存储介质
CN110781813B (zh) 图像识别方法及装置、电子设备和存储介质
CN109615006B (zh) 文字识别方法及装置、电子设备和存储介质
CN111539410B (zh) 字符识别方法及装置、电子设备和存储介质
CN109145970B (zh) 基于图像的问答处理方法和装置、电子设备及存储介质
CN111243011A (zh) 关键点检测方法及装置、电子设备和存储介质
CN113065591B (zh) 目标检测方法及装置、电子设备和存储介质
CN111898676B (zh) 目标检测方法及装置、电子设备和存储介质
CN109685041B (zh) 图像分析方法及装置、电子设备和存储介质
CN111242303A (zh) 网络训练方法及装置、图像处理方法及装置
US20210326649A1 (en) Configuration method and apparatus for detector, storage medium
CN109255784B (zh) 图像处理方法及装置、电子设备和存储介质
CN111985635A (zh) 一种加速神经网络推理处理的方法、装置及介质
CN109447258B (zh) 神经网络模型的优化方法及装置、电子设备和存储介质
CN113850275A (zh) 图像处理方法、装置、电子设备及存储介质
CN113538310A (zh) 图像处理方法及装置、电子设备和存储介质
CN113283343A (zh) 人群定位方法及装置、电子设备和存储介质
CN110929545A (zh) 人脸图像的整理方法及装置
CN110826463B (zh) 人脸识别方法及装置、电子设备和存储介质
CN113052874A (zh) 目标跟踪方法及装置、电子设备和存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191231