CN113255396A - 图像处理模型的训练方法及装置、图像处理方法及装置 - Google Patents
图像处理模型的训练方法及装置、图像处理方法及装置 Download PDFInfo
- Publication number
- CN113255396A CN113255396A CN202010082817.3A CN202010082817A CN113255396A CN 113255396 A CN113255396 A CN 113255396A CN 202010082817 A CN202010082817 A CN 202010082817A CN 113255396 A CN113255396 A CN 113255396A
- Authority
- CN
- China
- Prior art keywords
- image
- image processing
- face
- processing
- model
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 350
- 238000000034 method Methods 0.000 title claims abstract description 107
- 238000012549 training Methods 0.000 title claims abstract description 105
- 238000003672 processing method Methods 0.000 title claims abstract description 57
- 230000001815 facial effect Effects 0.000 claims abstract description 129
- 230000011218 segmentation Effects 0.000 claims description 30
- 230000008439 repair process Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 description 46
- 230000006870 function Effects 0.000 description 16
- 230000004927 fusion Effects 0.000 description 15
- 230000000694 effects Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 238000013135 deep learning Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 102220538564 TNF receptor-associated factor 2_S11D_mutation Human genes 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 102220328583 rs111822347 Human genes 0.000 description 2
- 102200048773 rs2224391 Human genes 0.000 description 2
- 230000036548 skin texture Effects 0.000 description 2
- 208000002874 Acne Vulgaris Diseases 0.000 description 1
- 206010014970 Ephelides Diseases 0.000 description 1
- 206010020675 Hypermetropia Diseases 0.000 description 1
- 208000003351 Melanosis Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 206010000496 acne Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005282 brightening Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000004709 eyebrow Anatomy 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 210000004209 hair Anatomy 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 201000006318 hyperopia Diseases 0.000 description 1
- 230000004305 hyperopia Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000002087 whitening effect Effects 0.000 description 1
- 230000037303 wrinkles Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Processing (AREA)
Abstract
本公开提供了一种图像处理模型的训练方法及装置、图像处理方法及装置,涉及图像处理技术领域,以解决相关技术中图像处理流程复杂、效率较低的问题。该方法包括:对多张样本面部区域图像,分别采用多种图像处理方式依次进行处理,得到多张第一样本面部区域图像;将该多张样本面部区域图像,分别输入预训练模型,得到多张第二样本面部区域图像,其中,预训练模型包括针对该多种图像处理方式集成处理对应的参数;将该多张第一样本面部区域图像与该多张第二样本面部区域图像进行比对,得到比对结果;根据该比对结果,对预训练模型进行参数调整,得到图像处理模型。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种图像处理模型的训练方法及装置、图像处理方法及装置。
背景技术
目前,随着电子设备的拍摄(例如自拍)功能越来越丰富,用户可以随时通过电子设备拍摄照片,并对照片进行处理。
以对人脸照片进行处理为例,传统的处理方法为:通常先对人脸照片进行人脸区域分割,然后采用基于训练得到的各种模型参数,对完成人脸区域分割的人脸照片进行诸如人脸修复、人脸超分、人脸美颜、肤质生成等方式的处理。
然而,由于上述功能对应的各种模型参数均是分别训练得到的,因此在对人脸照片进行处理的过程中,电子设备可能分别采用不同的模型参数进行处理,从而使得照片的处理效率较低,且浪费电子设备的处理资源。
发明内容
本公开提供一种图像处理模型的训练方法及装置、图像处理方法及装置,以至少解决相关技术中图像处理流程复杂、效率较低的问题。本公开的技术方案如下:
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:
对多张样本面部区域图像,分别采用多种图像处理方式依次进行处理,得到多张第一样本面部区域图像;
将所述多张样本面部区域图像,分别输入预训练模型,得到多张第二样本面部区域图像,其中,所述预训练模型包括针对所述多种图像处理方式集成处理对应的参数;
将所述多张第一样本面部区域图像与所述多张第二样本面部区域图像进行比对,得到比对结果;
根据所述比对结果,对所述预训练模型进行参数调整,得到图像处理模型。
在一种可能实现方式中,所述对多张样本面部区域图像,分别采用多种图像处理方式依次进行处理,包括:
对每张样本面部区域图像,依次执行面部修复处理、面部超分处理、面部美颜处理、肤质生成处理;
或者,对每张样本面部区域图像,依次执行面部修复处理、面部美颜处理、面部超分处理、肤质生成处理。
在一种可能实现方式中,所述对多张样本面部区域图像,分别采用多种图像处理方式依次进行处理,包括:
对每张样本面部区域图像,依次执行面部修复处理、面部超分处理、面部美颜处理;
或者,对每张样本面部区域图像,依次执行面部修复处理、面部美颜处理、面部超分处理。
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:
获取原始图像的面部区域图像;
将所述面部区域图像输入图像处理模型,得到经过多种图像处理方式处理后的所述面部区域图像;
其中,所述图像处理模型为采用如上述第一方面提及的图像处理模型的训练方法进行训练得到的模型。
在一种可能实现方式中,所述多种图像处理方式包括面部修复、面部超分、面部美颜和肤质生成;所述方法还包括:
获取面部分割图像,所述面部分割图像为基于所述原始图像分割所述面部区域图像后得到的掩码图像;
根据面部分割图像,将经过多种图像处理方式处理后的所述面部区域图像与所述原始图像融合,得到输出图像,其中,所述面部分割图像为基于所述原始图像分割所述面部区域图像后得到的掩码图像。
在一种可能实现方式中,所述多种图像处理方式包括面部修复、面部超分和面部美颜;
在所述将所述面部区域图像输入图像处理模型,得到经过所述多种图像处理方式处理后的所述面部区域图像之后,所述方法还包括:
对经过所述多种图像处理方式处理后的所述面部区域图像,采用肤质生成处理方式进行处理,得到二次处理后的所述面部区域图像;
根据所述面部分割图像,将二次处理后的所述面部区域图像与所述原始图像融合,得到所述输出图像。
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,包括第一图像处理模块和训练模块;
所述第一图像处理模块,被配置为执行对多张样本面部区域图像,分别采用多种图像处理方式依次进行处理,得到多张第一样本面部区域图像;
所述训练模块,被配置为执行:
将所述第一图像处理模块得到的所述多张样本面部区域图像,分别输入预训练模型,得到多张第二样本面部区域图像,其中,所述预训练模型包括针对所述多种图像处理方式集成处理对应的参数;
将所述多张第一样本面部区域图像与所述多张第二样本面部区域图像进行比对,得到比对结果;
根据所述比对结果,对所述预训练模型进行参数调整,得到图像处理模型。
在一种可能实现方式中,所述第一图像处理模块,具体被配置为执行:
对每张样本面部区域图像,依次执行面部修复处理、面部超分处理、面部美颜处理、肤质生成处理;
或者,对每张样本面部区域图像,依次执行面部修复处理、面部美颜处理、面部超分处理、肤质生成处理。
在一种可能实现方式中,所述第一图像处理模块,具体被配置为执行:
对每张样本面部区域图像,依次执行面部修复处理、面部超分处理、面部美颜处理;
或者,对每张样本面部区域图像,依次执行面部修复处理、面部美颜处理、面部超分处理。
根据本公开实施例的第四方面,提供一种图像处理装置,包括获取模块和第二图像处理模块;
所述获取模块,被配置为执行获取原始图像的面部区域图像;
所述第二图像处理模块,被配置为执行将所述获取模块获取的所述面部区域图像输入图像处理模型,得到经过多种图像处理方式处理后的所述面部区域图像;
其中,所述图像处理模型为采用如上述第三方面提及的图像处理模型的训练装置进行训练得到的模型。
在一种可能实现方式中,所述多种图像处理方式包括面部修复、面部超分、面部美颜和肤质生成;所述图像处理装置还包括第一图像融合模块;
所述获取模块,还被配置为执行获取面部分割图像,所述面部分割图像为基于所述原始图像分割所述面部区域图像后得到的掩码图像;
所述第一图像融合模块,被配置为执行根据所述获取模块获取的所述面部分割图像,将经过所述多种图像处理方式处理后的所述面部区域图像与所述原始图像融合,得到输出图像。
在一种可能实现方式中,所述多种图像处理方式包括面部修复、面部超分和面部美颜;所述图像处理装置还包括第二图像融合模块;
所述第二图像处理模块,还被配置为执行在将所述面部区域图像输入图像处理模型,得到经过多种图像处理方式处理后的所述面部区域图像之后,对经过所述多种图像处理方式处理后的所述面部区域图像,采用肤质生成处理方式进行处理,得到二次处理后的所述面部区域图像;
所述第二图像融合模块,被配置为执行根据所述获取模块获取的所述面部分割图像,将二次处理后的所述面部区域图像与所述原始图像融合,得到所述输出图像。
根据本公开实施例的第五方面,提供一种电子设备,包括:
处理器;
用于存储该处理器可执行指令的存储器;
其中,该处理器被配置为执行指令,以实现如上述第一方面或第一方面的任一种可能实现方式所述的图像处理模型的训练方法,和/或如上述第二方面或第二方面的任一种可能实现方式所述的图像处理方法。
根据本公开实施例的第六方面,提供一种存储介质,当该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如上述第一方面或第一方面的任一种可能实现方式所述的图像处理模型的训练方法,和/或如上述第二方面或第二方面的任一种可能实现方式所述的图像处理方法。
根据本公开实施例的第七方面,提供一种计算机程序产品,当该计算机程序产品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如上述第一方面或第一方面的任一种可能实现方式所述的图像处理模型的训练方法,和/或如上述第二方面或第二方面的任一种可能实现方式所述的图像处理方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
本公开实施例提供的图像处理模型的训练方法中,改进了训练样本,生成了特定的训练数据,并且可以利用该特定的训练数据进行训练,得到图像处理模型。也就是说,本公开实施例改进了模型的训练过程,采用特定的配对样本数据对模型进行训练,得到图像处理模型。该图像处理模型具备采用多种图像处理方式对面部区域图像进行集成处理或综合处理的效果。由于本公开实施例中使用该单个图像处理模型代替相关技术中的多个处理模型,因此本公开实施例可以简化图像处理流程。
本公开实施例提供的图像处理方法中,可以通过图像处理模型的训练方法进行模型训练,得到图像处理模型,并且将从原始图像获取的面部区域图像,输入该图像处理模型,通过该图像处理模型对面部区域图像进行处理,可以直接得到经过多种图像处理方式处理后的面部区域图像。如此,由于本公开实施例提供的图像处理方法中在进行人脸图像处理时可以使用该单个图像处理模型代替相关技术中的多个处理模型,对面部区域图像进行处理,因此本公开实施例可以简化图像处理流程,从而可以提升面部图像处理的效率。进而可以简化图像处理流程,并提升面部图像处理的效率。
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。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种图像处理模型的训练方法的流程图之一。
图2是根据一示例性实施例示出的一种图像处理模型的训练方法的流程图之二。
图3是根据一示例性实施例示出的一种图像处理方法的流程图之一。
图4是根据一示例性实施例示出的一种图像处理方法的流程图之二。
图5是根据一示例性实施例示出的一种图像处理方法的流程图之三。
图6是根据一示例性实施例示出的一种图像处理方法的流程图之四。
图7是根据一示例性实施例示出的一种图像处理方法的流程图之五。
图8是根据一示例性实施例示出的一种图像处理方法的流程图之六。
图9是根据一示例性实施例示出的一种图像处理模型的训练装置的框图。
图10是根据一示例性实施例示出的一种图像处理装置的框图。
图11是根据一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开实施例提供了一种图像处理模型的训练方法,该图像处理模型的训练方法的执行主体可以为上述的电子设备,也可以为电子设备中能够实现该图像处理模型的训练方法的功能模块和/或功能实体(例如图像处理模型的训练装置),具体的可以根据实际使用需求确定,本公开实施例不作限定。下面以电子设备为例,结合各个附图,对本公开实施例提供的图像处理模型的训练方法进行示例性的说明。
图1是根据一示例性实施例示出的一种图像处理模型的训练方法的流程图,如图1所示,该图像处理模型的训练方法包括下述的步骤S11-步骤S14。
在步骤S11中,对多张样本面部区域图像,分别采用多种图像处理方式依次进行处理,得到多张第一样本面部区域图像。
其中,上述多张样本面部区域图像可以为分别对多张样本图像进行面部区域检测得到的图像。
可选的,本公开实施例中,上述多种图像处理方式可以包括以下至少两种:面部修复(例如五官重建等)、面部超分(即超分辨率处理)、面部美颜、肤质生成。
可以理解,上述的各个图像处理方式均是示例性的列举,即本公开实施例包括但不限于上述列举的各个图像处理方式。实际实现时,上述多种图像处理方式还可以包括其它任意可能的图像处理方式,具体可以根据实际使用需求确定,本公开实施例不作限定。
本公开实施例中,上述面部美颜可以包括以下至少一项:磨皮、亮眼、美白、美牙、去法令纹、去黑眼圈、祛痘、祛斑等。
本公开实施例中,上述肤质生成主要是针对面部区域进行皮肤纹理融合。具体为,在指定区域叠加颗粒噪声,让皮肤看起来更有质感。需要说明的是,该指定区域为面部区域,但不包括人眼、眉毛、嘴这些区域,即该指定区域可以认为是面部皮肤区域。
需要说明的是,上述面部修复、面部超分、面部美颜、肤质生成等图像处理方式,可以为采用传统算法,也可以采用深度学习方法,具体可以根据实际使用需求确定,本公开实施例不作限定。
可选的,本公开实施例中,上述步骤201中对多张样本面部区域图像,分别采用多种图像处理方式依次进行处理的执行顺序可以不作限定。
在一种可能的实现方式中,假设上述多种图像处理方式包括面部修复、面部超分、面部美颜和肤质生成处理,那么上述对多张样本面部区域图像,分别采用多种图像处理方式依次进行处理的步骤(即步骤S11)具体可以通过下述的步骤S11A或步骤S11B实现。
在步骤S11A中,对每张样本面部区域图像,依次执行面部修复处理、面部超分处理、面部美颜处理、肤质生成处理。
在步骤S11B中,对每张样本面部区域图像,依次执行面部修复处理、面部美颜处理、面部超分处理、肤质生成处理。
在另一种可能的实现方式中,假设上述多种图像处理方式包括面部修复、面部超分和面部美颜,那么上述对多张样本面部区域图像,分别采用多种图像处理方式依次进行处理的步骤(即步骤S11)具体可以通过下述的步骤S11C或步骤S11D实现。
在步骤S11C中,对每张样本面部区域图像,依次执行面部修复处理、面部超分处理、面部美颜处理。
在步骤S11D中,对每张样本面部区域图像,依次执行面部修复处理、面部美颜处理、面部超分处理。
可以理解,在上述多种图像处理方式包括面部超分和面部美颜的情况下,可以对多张样本面部区域图像中的每个样本面部区域图像,先执行面部超分处理,后执行面部美颜处理;或者,可以对多张样本面部区域图像中的每个样本面部区域图像,先执行面部美颜处理,后执行面部超分处理。即,面部超分处理和面部美颜处理的执行顺序可以互换,如此可以根据实际使用需求,调整不同的图像处理方式的执行顺序,进而可以提升通过模型训练得到图像处理模型的灵活性。
图2为本公开实施例提供的图像处理模型的训练方法中获取多张第一样本面部区域图像的流程示意图。如图2所示,首先,输入多张样本面部区域图像;然后,对该多张样本面部区域图像分别进行面部修复、面部超分、面部美颜、肤质生成等处理,得到多张第二样本面部区域图像;然后,输出多张第一样本面部区域图像。如图2所示,虚线框内的面部超分和面部美颜这两种图像处理方式的执行顺序可以互换。
需要说明的是,本公开实施例中,上述处理后得到的多张第一样本面部区域图像可以作为进行模型训练的训练样本,下面将对此进行详细描述,此处不予赘述。
在步骤S12中,将该多张样本面部区域图像,分别输入预训练模型,得到多张第二样本面部区域图像,其中,该预训练模型包括针对该多种图像处理方式集成处理对应的参数。
示例性的,该预训练模型可以包括针对面部修复、面部超分、面部美颜和肤质生成等图像处理方式进行集成处理所需要的参数。
再示例性的,该预训练模型可以包括针对面部修复、面部超分和面部美颜等图像处理方式进行集成处理所需要的参数。
本公开实施例中,该预训练模型可以采用针对多种图像处理方式集成处理对应的参数,对输入预训练模型的样本面部区域图像,执行基于该多种图像处理方式的集成处理或综合处理,得到预测结果(即第二样本面部区域图像)。
对于每张样本面部区域图像,若将一张样本面部区域图像输入预训练模型,则可以针对该样本面部区域图像,执行基于多种图像处理方式的综合处理。
在步骤S13中,将该多张第一样本面部区域图像与该多张第二样本面部区域图像进行比对,得到比对结果。
本公开实施例中,一方面,对多张样本面部区域图像的处理是依次执行多种图像处理方式的处理,经过该处理后得到多张第一样本面部区域图像,这可以作为进行模型训练的基准信息或参考信息。另一方面,经过预训练模型的处理是一次执行基于多种图像处理方式的综合处理,综合处理能够体现出多种图像处理的叠加效果,经过该处理后得到多张第二样本面部区域图像。其中,多张第一样本面部区域图像和多张第二样本面部区域图像,作为特定的配对样本数据。然后,可以将该多张第一样本面部区域图像与该多张第二样本面部区域图像进行比对,得到比对结果。
在步骤S14中,根据该比对结果,对该预训练模型进行参数调整,得到图像处理模型。
其中,上述图像处理模型可以为深度网络模型。
本公开实施例中,可以先将对多张样本面部区域图像依次执行多种图像处理方式得到的多张第一样本面部区域图像与通过将多张样本面部区域图像输入到预训练模型后得到的多张第二样本面部区域图像进行比对,得到比对结果,再根据该比对结果,调整该预训练模型中的参数,得到训练后的图像处理模型。
需要说明的是,上述步骤S11可以理解为数据生成流程,上述步骤S12-步骤S14可以理解为模型训练流程,可以根据一定数量的配对图像,训练模型,得到图像处理模型(即训练好的深度网络模型参数),然后该图像处理模型可以应用于下述图像处理方法中的步骤中,即可以将面部区域图像输入图像处理模型,得到经过多种图像处理方式处理后的面部区域图像,这将在下文中详细描述,此处不予赘述。
本公开实施例提供的图像处理模型的训练方法中,改进了训练样本,生成了特定的训练数据,并且可以利用该特定的训练数据进行训练,得到图像处理模型。也就是说,本公开实施例改进了模型的训练过程,采用特定的配对样本数据对模型进行训练,得到图像处理模型。该图像处理模型具备采用多种图像处理方式对面部区域图像进行集成处理或综合处理的效果。由于本公开实施例中使用该单个图像处理模型代替相关技术中的多个处理模型,因此本公开实施例可以简化图像处理流程。
本公开实施例还提供了一种图像处理方法,该图像处理方法的执行主体可以为上述的电子设备,也可以为该电子设备中能够实现该图像处理方法的功能模块和/或功能实体(例如图像处理装置),具体的可以根据实际使用需求确定,本公开实施例不作限定。下面以电子设备为例,结合各个附图,对本公开实施例提供的图像处理方法进行示例性的说明。
图3是根据一示例性实施例示出的一种图像处理方法的流程图,如图3所示,该图像处理方法包括下述的步骤S21-步骤S22。
在步骤S21中,获取原始图像的面部区域图像。
其中,面部区域图像也称为人脸区域图像。
本公开实施例中,上述面部区域图像可以包括面部皮肤区域图像和五官区域图像,例如上述面部区域图像可以为除头发之外的人头区域图像。
在步骤S22中,将面部区域图像输入图像处理模型,得到经过多种图像处理方式处理后的面部区域图像。
其中,上述图像处理模型为采用上述图1所示的图像处理模型的训练方法进行训练得到的模型。对于图像处理模型的描述具体可以参考在上述图像处理模型的训练方法中对图像处理模型的详细描述,此处不再赘述。
本公开实施例提供的图像处理方法中,可以通过上述图像处理模型的训练方法进行模型训练,得到图像处理模型,并且将从原始图像获取的面部区域图像,输入该图像处理模型,通过该图像处理模型对面部区域图像进行处理,可以直接得到经过多种图像处理方式处理后的面部区域图像。
如此,由于本公开实施例中可以使用单个图像处理模型代替相关技术中的多个处理模型,即本公开实施例可以通过本公开实施例提供的图像处理模型,直接得到针对面部区域图像一次执行或集成执行多种图像处理的效果,因此本公开实施例可以简化图像处理流程。
在一种可能的实现方式中,假设上述多种图像处理方式包括面部修复、面部超分、面部美颜和肤质生成,那么结合图3,如图4所示,上述图像处理方法还包括下述的步骤S23和步骤S24。
在步骤S23中,获取面部分割图像。
其中,该面部分割图像为基于原始图像分割面部区域图像后得到的掩码图像。具体的,对于面部分割图像而言,面部区域图像的掩码(mask)值与原始图像中除面部区域图像之外的其他区域图像的mask值不同。
本公开实施例中,上述面部分割图像可以是将面部区域图像,输入面部分割模型后得到的图像。该面部分割模型可以为采用深度学习方法,训练模型得到的深度网络模型,且该面部分割模型包括面部分割网络对应的参数。示例性的,如图5所示,将面部区域图像输入面部分割模型,输出面部分割图像。
通过该方案,通过深度学习方法,可以准确、快速获取原始图像的面部区域图像,进而可以简化图像处理流程,并提升面部图像处理的效率。
在步骤S24中,根据面部分割图像,将经过多种图像处理方式处理后的面部区域图像与原始图像融合,得到输出图像。
本公开实施例中,上述根据面部分割图像,将经过多种图像处理方式处理后的面部区域图像与原始图像进行融合的过程,可以参见相关技术中的图像融合的相关步骤,此处不予赘述。
例如,通过将经过多种图像处理方式处理后的面部区域图像的像素替换原始图像的面部区域图像中对应的像素,实现将经过多种图像处理方式处理后的面部区域图像与原始图像融合。
需要说明的是,本公开实施例中不限定上述的步骤S23和步骤S21-步骤S22的执行顺序,即本公开实施例可以先执行步骤S23,后执行步骤S21-步骤S22;也可以先执行步骤S21-步骤S22,后执行步骤S23;还可以同时执行步骤S23和步骤S21-步骤S22。可以理解,上述图4是以先执行步骤S21-步骤S22后执行步骤S23为例示意的。
图6示例性地示出了本公开实施例提供的图像处理方法的流程示意图。如图6所示,输入原始图像,并从原始图像中获取面部区域图像;再将面部区域图像输入图像处理模型,得到经过多种图像处理方式处理后的面部区域图像(图6中简写为处理后的面部区域图像);并且,基于原始图像分割面部区域图像,得到面部分割图像;然后,可以根据面部分割图像,将经过多种图像处理方式处理后的面部区域图像与原始图像融合,得到输出图像。
本公开实施例提供的图像处理方法,通过深度学习方法,可以获取图像处理模型,该图像处理模型包括针对多种图像处理方式综合处理的相关参数,具备采用多种图像处理方式对图像进行集成处理或综合处理的效果(例如具备面部修复、面部超分、面部美颜和肤质生成等效果),也就是说,上述图像处理方法在进行人脸图像处理时可以使用该单个图像处理模型代替相关技术中的多个处理模型,对面部区域图像进行处理,因此本公开实施例可以简化图像处理流程,从而可以提升面部图像处理的效率。进而可以简化图像处理流程,并提升面部图像处理的效率。
本方案通过上述流程,对人像图像进行处理,不但达到了美颜等效果,而且对于低质量的图像有一定的修复作用,达到一种“拯救废片”的效果。
在一种可能的实现方式中,假设上述多种图像处理方式包括面部修复、面部超分和面部美颜,那么在上述将面部区域图像输入图像处理模型,得到经过多种图像处理方式处理后的面部区域图像(即上述的步骤S24)之后,上述图像处理方法还包括下述的步骤S25和步骤S26。
在步骤S25中,对经过多种图像处理方式处理后的面部区域图像,采用肤质生成处理方式进行处理,得到二次处理后的面部区域图像;
在步骤S26中,根据面部分割图像,将二次处理后的面部区域图像与原始图像融合,得到输出图像。
示例性的,结合图2,如图7所示,在图像处理模型的训练过程中可以减少“肤质生成”这一图像处理方式。即,在图像处理模型的训练过程中,执行面部修复、面部超分和面部美颜等图像处理。相应地,通过该图像处理模型的训练过程得到的图像处理模型可以具备针对面部区域图像进行面部修复、面部超分和面部美颜进行集成处理的功能。
再结合图6,如图8所示,在图像处理过程中,在将面部区域图像输入该图像处理模型,得到经过面部修复、面部超分和面部美颜等多种图像处理方式处理后的面部区域图像之后,电子设备可以采用“肤质生成”图像处理方式,对经过上述多种图像处理方式处理后的面部区域图像进行二次处理,得到二次处理后的面部区域图像;然后,再根据面部分割图像,将二次处理后的面部区域图像与原始图像融合,得到输出图像。
通过该方案,肤质生成处理可以在训练模型时(即生成训练数据)时进行,也可以在图像通过模型处理后进行,从而图像处理可以更加灵活。
图9是根据一示例性实施例示出的一种图像处理模型的训练装置的框图。参照图9,该电子设备50包括第一图像处理模块51和训练模块52;
第一图像处理模块51,被配置为执行对多张样本面部区域图像,分别采用多种图像处理方式依次进行处理,得到多张第一样本面部区域图像;
训练模块52,被配置为执行:
将第一图像处理模块51得到的该多张样本面部区域图像,分别输入预训练模型,得到多张第二样本面部区域图像,其中,该预训练模型包括针对上述多种图像处理方式集成处理对应的参数;
将上述多张第一样本面部区域图像与上述多张第二样本面部区域图像进行比对,得到比对结果;
根据该比对结果,对上述预训练模型进行参数调整,得到图像处理模型。
在一种可能实现方式中,上述第一图像处理模块51,具体被配置为执行:
对每张样本面部区域图像,依次执行面部修复处理、面部超分处理、面部美颜处理、肤质生成处理;
或者,对每张样本面部区域图像,依次执行面部修复处理、面部美颜处理、面部超分处理、肤质生成处理。
在一种可能实现方式中,上述第一图像处理模块51,具体被配置为执行:
对每张样本面部区域图像,依次执行面部修复处理、面部超分处理、面部美颜处理;
或者,对每张样本面部区域图像,依次执行面部修复处理、面部美颜处理、面部超分处理。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开实施例提供的图像处理模型的训练装置,改进了训练样本,生成了特定的训练数据,并且可以利用该特定的训练数据进行训练,得到图像处理模型。也就是说,本公开实施例改进了模型的训练过程,采用特定的配对样本数据对模型进行训练,得到图像处理模型。该图像处理模型具备采用多种图像处理方式对面部区域图像进行集成处理或综合处理的效果。由于本公开实施例中使用该单个图像处理模型代替相关技术中的多个处理模型,因此本公开实施例可以简化图像处理流程。
图10是根据一示例性实施例示出的一种图像处理装置的框图。参照图10,该图像处理装置60包括获取模块61和第二图像处理模块62;
获取模块61,被配置为执行获取原始图像的面部区域图像;
第二图像处理模块62,被配置为执行将获取模块61获取的该面部区域图像输入图像处理模型,得到经过多种图像处理方式处理后的该面部区域图像;
其中,上述图像处理模型为采用上述图像处理模型的训练装置进行训练得到的模型。
在一种可能实现方式中,上述多种图像处理方式包括面部修复、面部超分、面部美颜和肤质生成;本公开实施例提供的图像处理装置还包括第一图像融合模块;
获取模块,还被配置为执行获取面部分割图像,该面部分割图像为基于原始图像分割面部区域图像后得到的掩码图像;
第一图像融合模块,被配置为执行根据获取模块获取的面部分割图像,将经过上述多种图像处理方式处理后的面部区域图像与原始图像融合,得到输出图像。
在一种可能实现方式中,上述多种图像处理方式包括面部修复、面部超分和面部美颜;本公开实施例提供的图像处理装置还包括第二图像融合模块;
第二图像处理模块,还被配置为执行在将面部区域图像输入图像处理模型,得到经过上述多种图像处理方式处理后的面部区域图像之后,对经过上述多种图像处理方式处理后的面部区域图像,采用肤质生成处理方式进行处理,得到二次处理后的面部区域图像;
第二图像融合模块,被配置为执行根据获取模块获取的该面部分割图像,将二次处理后的面部区域图像与上述原始图像融合,得到输出图像。
需要说明的是,上述第一图像融合模块和第二图像融合模块可以为同一模块,也可以为独立的两个模块,具体可以根据实际使用需求确定,本公开实施例不作限定。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
本公开实施例提供的图像处理装置,可以通过图像处理模型的训练方法进行模型训练,得到图像处理模型,并且将从原始图像获取的面部区域图像,输入该图像处理模型,通过该图像处理模型对面部区域图像进行处理,可以直接得到经过多种图像处理方式处理后的面部区域图像。如此,由于本公开实施例提供的图像处理方法中在进行人脸图像处理时可以使用该单个图像处理模型代替相关技术中的多个处理模型,对面部区域图像进行处理,因此本公开实施例可以简化图像处理流程,从而可以提升面部图像处理的效率。进而可以简化图像处理流程,并提升面部图像处理的效率。
另外,上述实施例提供的电子设备在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将电子设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。
图11是根据一示例性实施例示出的一种电子设备的结构示意图。电子设备100包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备以及计步器等。如图11所示,电子设备100包括但不限于:处理器101、存储器102、显示器103、输入单元104、输出单元105、网络单元106、接口单元107、射频单元108、电源109以及传感器110等。
需要说明的是,本领域技术人员可以理解,图11中示出的电子设备100的结构并不构成对电子设备100的限定,电子设备100可以包括比图11所示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本公开实施例中,显示器103,用于显示拍摄预览界面,该拍摄预览界面中包括至少一个时长标签,一个时长标签对应一个拍摄时长。
处理器101,用于响应于用户在拍摄预览界面上的拍摄输入,开始拍摄视频,并保持显示至少一个时长标签;并响应于用户对至少一个时长标签中的目标时长标签的第一输入,在目标时长标签对应的目标拍摄时长内进行视频拍摄。
需要说明的是,上述电子设备100能够实现上述方法实施例中电子设备实现的各个过程,且能达到相同的技术效果,为避免重复,详细描述这里不再赘述。
处理器101是电子设备100的控制中心,利用各种接口和线路连接整个电子设备100的各个部分,通过运行或执行存储在存储器102内的软件程序和/或模块,以及调用存储在存储器102内的数据,执行电子设备100的各种功能和处理数据,从而对电子设备100进行整体监控。处理器101可包括一个或多个处理单元;可选的,处理器101可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器101中。
存储器102可用于存储软件程序以及各种数据。存储器102可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器102可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
显示器103用于显示由用户输入的信息或提供给用户的信息。显示器103可包括显示面板,可以采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(OrganicLight-Emitting Diode,OLED)等形式来配置显示面板。
输入单元104可以用于接收音频或视频信号。输入单元104可以包括图形处理器(Graphics Processing Unit,GPU)和麦克风,图形处理器对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示器103上。经图形处理器处理后的图像帧可以存储在存储器102(或其它存储介质)中或者经由射频单元108或网络单元106进行发送。麦克风可以接收声音,并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元108发送到移动通信基站的格式输出。
输入单元104可以为用户输入单元,可用于接收输入的数字或字符信息,以及产生与电子设备100的用户设置以及功能控制有关的键信号输入。具体地,用户输入单元包括触控面板以及其他输入设备。触控面板,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)。触控面板可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器101,接收处理器101发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板。除了触控面板,用户输入单元还可以包括其他输入设备。具体地,其他输入设备可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。
进一步的,触控面板可覆盖在显示面板上,当触控面板检测到在其上或附近的触摸操作后,传送给处理器101以确定触摸事件的类型,随后处理器101根据触摸事件的类型在显示面板上提供相应的视觉输出。触控面板与显示面板1061可以作为两个独立的部件来实现电子设备100的输入和输出功能,也可以将触控面板与显示面板集成而实现电子设备100的输入和输出功能,具体此处不做限定。
输出单元105可以为音频输出单元,可以将射频单元108或网络单元106接收的或者在存储器102中存储的音频数据转换成音频信号并且输出为声音。而且,音频输出单元还可以提供与电子设备100执行的特定功能相关的音频输出(例如,呼叫信号接收声音、消息接收声音等等)。音频输出单元包括扬声器、蜂鸣器以及受话器等。
电子设备100通过网络单元106为用户提供了无线的宽带互联网访问,如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
接口单元107为外部装置与电子设备100连接的接口。例如,外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元107可以用于接收来自外部装置的输入(例如,数据信息、电力等等)并且将接收到的输入传输到电子设备100内的一个或多个元件或者可以用于在电子设备100和外部装置之间传输数据。
射频单元108可用于收发信息或通话过程中,信号的接收和发送,具体的,将来自基站的下行数据接收后,给处理器101处理;另外,将上行的数据发送给基站。通常,射频单元108包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外,射频单元108还可以通过无线通信系统与网络和其他设备通信。
电源109(比如电池)可以用于为各个部件供电,可选的,电源109可以通过电源管理系统与处理器101逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
传感器110可以包括光传感器、运动传感器以及其他传感器中的至少一个。具体地,光传感器包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板的亮度,接近传感器可在电子设备100移动到耳边时,关闭显示面板和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别电子设备姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;传感器110还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等,在此不再赘述。
另外,电子设备100包括一些未示出的功能模块(例如摄像头),在此不再赘述。
在示例性实施例中,本公开实施例还提供了一种包括指令的存储介质,例如包括指令的存储器102,上述指令可由电子设备100的处理器101执行以完成上述方法。可选地,存储介质可以是非临时性计算机可读存储介质,例如,该非临时性计算机可读存储介质可以是只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,本公开实施例还提供了一种包括一条或多条指令的计算机程序产品,该一条或多条指令可以由电子设备100的处理器101执行以完成上述方法。
需要说明的是,上述存储介质中的指令或计算机程序产品中的一条或多条指令被处理器101执行时实现上述方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种图像处理模型的训练方法,其特征在于,包括:
对多张样本面部区域图像,分别采用多种图像处理方式依次进行处理,得到多张第一样本面部区域图像;
将所述多张样本面部区域图像,分别输入预训练模型,得到多张第二样本面部区域图像,其中,所述预训练模型包括针对所述多种图像处理方式集成处理对应的参数;
将所述多张第一样本面部区域图像与所述多张第二样本面部区域图像进行比对,得到比对结果;
根据所述比对结果,对所述预训练模型进行参数调整,得到图像处理模型。
2.根据权利要求1所述的方法,其特征在于,所述对多张样本面部区域图像,分别采用多种图像处理方式依次进行处理,包括:
对每张样本面部区域图像,依次执行面部修复处理、面部超分处理、面部美颜处理、肤质生成处理;或者,
对每张样本面部区域图像,依次执行面部修复处理、面部美颜处理、面部超分处理、肤质生成处理。
3.根据权利要求1所述的方法,其特征在于,所述对多张样本面部区域图像,分别采用多种图像处理方式依次进行处理,包括:
对每张样本面部区域图像,依次执行面部修复处理、面部超分处理、面部美颜处理;或者,
对每张样本面部区域图像,依次执行面部修复处理、面部美颜处理、面部超分处理。
4.一种图像处理方法,其特征在于,包括:
获取原始图像的面部区域图像;
将所述面部区域图像输入图像处理模型,得到经过多种图像处理方式处理后的所述面部区域图像;
其中,所述图像处理模型为采用如权利要求1至3中任一项权利要求所述的图像处理模型的训练方法进行训练得到的模型。
5.根据权利要求4所述的方法,其特征在于,所述多种图像处理方式包括面部修复、面部超分、面部美颜和肤质生成;所述方法还包括:
获取面部分割图像,所述面部分割图像为基于所述原始图像分割所述面部区域图像后得到的掩码图像;
根据所述面部分割图像,将经过所述多种图像处理方式处理后的所述面部区域图像与所述原始图像融合,得到输出图像。
6.根据权利要求4所述的方法,其特征在于,所述多种图像处理方式包括面部修复、面部超分和面部美颜;
在所述将所述面部区域图像输入图像处理模型,得到经过所述多种图像处理方式处理后的所述面部区域图像之后,所述方法还包括:
对经过所述多种图像处理方式处理后的所述面部区域图像,采用肤质生成处理方式进行处理,得到二次处理后的所述面部区域图像;
根据面部分割图像,将二次处理后的所述面部区域图像与所述原始图像融合,得到输出图像,其中,所述面部分割图像为基于所述原始图像分割所述面部区域图像后得到的掩码图像。
7.一种图像处理模型的训练装置,其特征在于,包括第一图像处理模块和训练模块;
所述第一图像处理模块,被配置为执行对多张样本面部区域图像,分别采用多种图像处理方式依次进行处理,得到多张第一样本面部区域图像;
所述训练模块,被配置为执行:
将所述第一图像处理模块得到的所述多张样本面部区域图像,分别输入预训练模型,得到多张第二样本面部区域图像,其中,所述预训练模型包括针对所述多种图像处理方式集成处理对应的参数;
将所述多张第一样本面部区域图像与所述多张第二样本面部区域图像进行比对,得到比对结果;
根据所述比对结果,对所述预训练模型进行参数调整,得到图像处理模型。
8.一种图像处理装置,其特征在于,包括获取模块和第二图像处理模块;
所述获取模块,被配置为执行获取原始图像的面部区域图像;
所述第二图像处理模块,被配置为执行将所述获取模块获取的所述面部区域图像输入图像处理模型,得到经过多种图像处理方式处理后的所述面部区域图像;
其中,所述图像处理模型为采用如权利要求7所述的图像处理模型的训练装置进行训练得到的模型。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至6中任一项所述的方法。
10.一种存储介质,当所述存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010082817.3A CN113255396A (zh) | 2020-02-07 | 2020-02-07 | 图像处理模型的训练方法及装置、图像处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010082817.3A CN113255396A (zh) | 2020-02-07 | 2020-02-07 | 图像处理模型的训练方法及装置、图像处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113255396A true CN113255396A (zh) | 2021-08-13 |
Family
ID=77219290
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010082817.3A Pending CN113255396A (zh) | 2020-02-07 | 2020-02-07 | 图像处理模型的训练方法及装置、图像处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113255396A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116152122A (zh) * | 2023-04-21 | 2023-05-23 | 荣耀终端有限公司 | 图像处理方法和电子设备 |
WO2023143129A1 (zh) * | 2022-01-30 | 2023-08-03 | 北京字跳网络技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN117333487A (zh) * | 2023-12-01 | 2024-01-02 | 深圳市宗匠科技有限公司 | 一种痘痘分级方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110502959A (zh) * | 2018-05-17 | 2019-11-26 | Oppo广东移动通信有限公司 | 性别判断方法、装置、存储介质及电子设备 |
CN110516545A (zh) * | 2019-07-22 | 2019-11-29 | 北京迈格威科技有限公司 | 模型训练、图像处理方法和设备、图像处理器及介质 |
-
2020
- 2020-02-07 CN CN202010082817.3A patent/CN113255396A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110502959A (zh) * | 2018-05-17 | 2019-11-26 | Oppo广东移动通信有限公司 | 性别判断方法、装置、存储介质及电子设备 |
CN110516545A (zh) * | 2019-07-22 | 2019-11-29 | 北京迈格威科技有限公司 | 模型训练、图像处理方法和设备、图像处理器及介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023143129A1 (zh) * | 2022-01-30 | 2023-08-03 | 北京字跳网络技术有限公司 | 图像处理方法、装置、电子设备及存储介质 |
CN116152122A (zh) * | 2023-04-21 | 2023-05-23 | 荣耀终端有限公司 | 图像处理方法和电子设备 |
CN116152122B (zh) * | 2023-04-21 | 2023-08-25 | 荣耀终端有限公司 | 图像处理方法和电子设备 |
CN117333487A (zh) * | 2023-12-01 | 2024-01-02 | 深圳市宗匠科技有限公司 | 一种痘痘分级方法、装置、设备及存储介质 |
CN117333487B (zh) * | 2023-12-01 | 2024-03-29 | 深圳市宗匠科技有限公司 | 一种痘痘分级方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020216054A1 (zh) | 视线追踪模型训练的方法、视线追踪的方法及装置 | |
CN110706179B (zh) | 一种图像处理方法及电子设备 | |
CN108076290B (zh) | 一种图像处理方法及移动终端 | |
CN109461117B (zh) | 一种图像处理方法及移动终端 | |
CN108712603B (zh) | 一种图像处理方法及移动终端 | |
CN109788204A (zh) | 拍摄处理方法及终端设备 | |
CN109102555B (zh) | 一种图像编辑方法及终端 | |
CN113255396A (zh) | 图像处理模型的训练方法及装置、图像处理方法及装置 | |
CN108881782B (zh) | 一种视频通话方法及终端设备 | |
JP7467667B2 (ja) | 検出結果出力方法、電子機器及び媒体 | |
CN109448069B (zh) | 一种模板生成方法及移动终端 | |
CN109727212B (zh) | 一种图像处理方法及移动终端 | |
CN109544445B (zh) | 一种图像处理方法、装置及移动终端 | |
CN109819166B (zh) | 一种图像处理方法和电子设备 | |
CN109461124A (zh) | 一种图像处理方法及终端设备 | |
CN107341777A (zh) | 图片处理方法及装置 | |
CN111080747B (zh) | 一种人脸图像处理方法及电子设备 | |
CN110908517B (zh) | 图像编辑方法、装置、电子设备及介质 | |
CN109639981B (zh) | 一种图像拍摄方法及移动终端 | |
CN110944112A (zh) | 一种图像处理方法及电子设备 | |
CN107563353B (zh) | 一种图像处理方法、装置及移动终端 | |
CN110443752B (zh) | 一种图像处理方法和移动终端 | |
CN112449098B (zh) | 一种拍摄方法、装置、终端及存储介质 | |
CN108830901B (zh) | 一种图像处理方法和电子设备 | |
CN110930372A (zh) | 一种图像处理方法、电子设备及计算机可读存储介质 |
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 |