图像处理方法、装置和系统与流程

技术特征：
1.一种图像处理方法，包括：接收第一图像；利用处理模型对所述第一图像进行处理，得到第二图像，其中，所述第二图像的分辨率与所述第一图像的分辨率满足第一预设条件，所述处理模型用于将所述第一图像输入至第一生成网络，得到第三图像，并将所述第三图像输入至第二生成网络，得到所述第二图像，所述第三图像的分辨率与所述第一图像的分辨率满足第二预设条件；展示所述第二图像。2.根据权利要求1所述的方法，其中，所述方法还包括：获取第二图像样本；对所述第二图像样本进行预处理，得到第一图像样本，其中，所述预处理包括如下至少之一：降采样、增加模糊信息、增加噪声信息和图像压缩；利用所述第一图像样本和所述第二图像样本，对所述处理模型进行训练。3.根据权利要求2所述的方法，其中，利用所述第一图像样本和所述第二图像样本，对所述处理模型进行训练包括：将所述第一图像样本输入至所述第一生成网络，得到第三图像样本；将所述第三图像样本输入至所述第二生成网络，得到第四图像样本；将所述第二图像样本和所述第四图像样本输入至所述处理模型中的判别网络，得到判别结果；基于所述第二图像样本、所述第三图像样本、所述第四图像样本和所述判别结果，得到所述处理模型的目标损失值；基于所述目标损失值对所述处理模型的网络参数进行更新。4.根据权利要求3所述的方法，其中，基于所述第二图像样本、所述第三图像样本、所述第四图像样本和所述判别结果，得到所述处理模型的目标损失值包括：将所述第二图像样本和所述第四图像样本输入至最小绝对值损失函数，得到第一损失值；对所述第二图像样本进行降采样处理，将处理后的图像样本和所述第三图像样本输入至最小绝对值损失函数，得到第二损失值；将所述第二图像样本和所述第四图像样本输入至感知损失函数，得到第三损失值；基于所述判别结果，得到第四损失值；获取所述第一损失值、所述第二损失值、所述第三损失值和所述第四损失值的加权和，得到所述目标损失值。5.根据权利要求1所述的方法，其中，所述第二图像的分辨率与所述第一图像的分辨率满足第一预设条件包括：所述第二图像的分辨率与所述第一图像的分辨率的差值大于第一预设值。6.根据权利要求1所述的方法，其中，所述第三图像的分辨率与所述第一图像的分辨率满足第二预设条件包括：所述第三图像的分辨率与所述第一图像的分辨率的差值小于第二预设值。7.一种图像处理方法，包括：获取第一图像；
利用处理模型对所述第一图像进行处理，得到第二图像，其中，所述第二图像的分辨率与所述第一图像的分辨率满足第一预设条件，所述处理模型用于将所述第一图像输入至第一生成网络，得到第三图像，并将所述第三图像输入至第二生成网络，得到所述第二图像，所述第三图像的分辨率与所述第一图像的分辨率满足第二预设条件。8.根据权利要求7所述的方法，其中，所述方法还包括：获取第二图像样本；对所述第二图像样本进行预处理，得到第一图像样本，其中，所述预处理包括如下至少之一：降采样、增加模糊信息、增加噪声信息和图像压缩；利用所述第一图像样本和所述第二图像样本，对所述处理模型进行训练。9.根据权利要求8所述的方法，其中，利用所述第一图像样本和所述第二图像样本，对所述处理模型进行训练包括：将所述第一图像样本输入至所述第一生成网络，得到第三图像样本；将所述第三图像样本输入至所述第二生成网络，得到第四图像样本；将所述第二图像样本和所述第四图像样本输入至所述处理模型中的判别网络，得到判别结果；基于所述第二图像样本、所述第三图像样本、所述第四图像样本和所述判别结果，得到所述处理模型的目标损失值；基于所述目标损失值对所述处理模型的网络参数进行更新。10.一种图像处理方法，包括：接收模型训练请求；获取所述模型训练请求对应的训练样本和初始模型，其中，所述训练样本包括：第一图像样本和第二图像样本，所述第二图像样本的分辨率与所述第一图像样本的分辨率满足第一预设条件；利用所述训练样本对所述初始模型进行训练，得到处理模型，其中，所述处理模型用于将所述第一图像样本输入至第一生成网络，得到第三图像样本，并将所述第三图像样本输入至第二生成网络，得到第四图像样本，所述第三图像样本的分辨率与所述第一图像样本的分辨率满足第二预设条件；输出所述处理模型。11.根据权利要求10所述的方法，其中，获取所述模型训练请求对应的训练样本包括：获取所述第二图像样本；对所述第二图像样本进行预处理，得到所述第一图像样本，其中，所述预处理包括如下至少之一：降采样、增加模糊信息、增加噪声信息和图像压缩。12.根据权利要求10所述的方法，其中，利用所述训练样本对所述初始模型进行训练包括：将所述第二图像样本和所述第四图像样本输入至所述处理模型中的判别网络，得到判别结果；基于所述第二图像样本、所述第三图像样本、所述第四图像样本和所述判别结果，得到所述处理模型的目标损失值；基于所述目标损失值对所述处理模型的网络参数进行更新。
13.一种图像处理方法，包括：获取训练样本和初始模型，其中，所述训练样本包括：第一图像样本和第二图像样本，所述第二图像样本的分辨率与所述第一图像样本的分辨率满足第一预设条件；利用所述训练样本对所述初始模型进行训练，得到处理模型，其中，所述处理模型用于将所述第一图像样本输入至第一生成网络，得到第三图像样本，并将所述第三图像样本输入至第二生成网络，得到第四图像样本，所述第三图像样本的分辨率与所述第一图像样本的分辨率满足第二预设条件。14.根据权利要求13所述的方法，其中，获取训练样本包括：获取所述第二图像样本；对所述第二图像样本进行预处理，得到所述第一图像样本，其中，所述预处理包括如下至少之一：降采样、增加模糊信息、增加噪声信息和图像压缩。15.根据权利要求13所述的方法，其中，利用所述训练样本对所述初始模型进行训练包括：将所述第二图像样本和所述第四图像样本输入至所述处理模型中的判别网络，得到判别结果；基于所述第二图像样本、所述第三图像样本、所述第四图像样本和所述判别结果，得到所述处理模型的目标损失值；基于所述目标损失值对所述处理模型的网络参数进行更新。16.一种图像处理装置，包括：接收模块，用于接收第一图像；处理模块，用于利用处理模型对所述第一图像进行处理，得到第二图像，其中，所述第二图像的分辨率与所述第一图像的分辨率满足第一预设条件，所述处理模型用于将所述第一图像输入至第一生成网络，得到第三图像，并将所述第三图像输入至第二生成网络，得到所述第二图像，所述第三图像的分辨率与所述第一图像的分辨率满足第二预设条件；展示模块，用于展示所述第二图像。17.一种图像处理装置，包括：获取模块，用于获取第一图像；处理模块，用于利用处理模型对所述第一图像进行处理，得到第二图像，其中，所述第二图像的分辨率与所述第一图像的分辨率满足第一预设条件，所述处理模型用于将所述第一图像输入至第一生成网络，得到第三图像，并将所述第三图像输入至第二生成网络，得到所述第二图像，所述第三图像的分辨率与所述第一图像的分辨率满足第二预设条件。18.一种图像处理装置，包括：接收模块，用于接收模型训练请求；获取模块，用于获取所述模型训练请求对应的训练样本和初始模型，其中，所述训练样本包括：第一图像样本和第二图像样本，所述第二图像样本的分辨率与所述第一图像样本的分辨率满足第一预设条件；训练模块，用于利用所述训练样本对所述初始模型进行训练，得到处理模型，其中，所述处理模型用于将所述第一图像样本输入至第一生成网络，得到第三图像样本，并将所述第三图像样本输入至第二生成网络，得到第四图像样本，所述第三图像样本的分辨率与所
述第一图像样本的分辨率满足第二预设条件；输出模块，用于输出所述处理模型。19.一种图像处理装置，包括：获取模块，用于获取训练样本和初始模型，其中，所述训练样本包括：第一图像样本和第二图像样本，所述第二图像样本的分辨率与所述第一图像样本的分辨率满足第一预设条件；训练模块，用于利用所述训练样本对所述初始模型进行训练，得到处理模型，其中，所述处理模型用于将所述第一图像样本输入至第一生成网络，得到第三图像样本，并将所述第三图像样本输入至第二生成网络，得到第四图像样本，所述第三图像样本的分辨率与所述第一图像样本的分辨率满足第二预设条件。20.一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至15中任意一项所述的图像处理方法。21.一种计算机终端，包括存储器和处理器，所述处理器用于运行所述存储器中存储的程序，其中，所述程序运行时执行权利要求1至15中任意一项所述的图像处理方法。22.一种图像处理系统，包括：处理器；以及存储器，与所述处理器连接，用于为所述处理器提供处理以下处理步骤的指令：接收第一图像；利用处理模型对所述第一图像进行处理，得到第二图像，其中，所述第二图像的分辨率与所述第一图像的分辨率满足第一预设条件，所述处理模型用于将所述第一图像输入至第一生成网络，得到第三图像，并将所述第三图像输入至第二生成网络，得到所述第二图像，所述第三图像的分辨率与所述第一图像的分辨率满足第二预设条件；展示所述第二图像。

技术总结
本申请公开了一种图像处理方法、装置和系统。其中，该方法包括：接收第一图像；利用处理模型对第一图像进行处理，得到第二图像，其中，第二图像的分辨率与第一图像的分辨率满足第一预设条件，处理模型用于将第一图像输入至第一生成网络，得到第三图像，并将第三图像输入至第二生成网络，得到第二图像，第三图像的分辨率与第一图像的分辨率满足第二预设条件；展示第二图像。本申请解决了相关技术中图像处理方法在真实场景中的鲁棒性和稳定性较差的技术问题。术问题。术问题。


技术研发人员：杨熹 任沛然 林宪晖 张磊
受保护的技术使用者：阿里巴巴集团控股有限公司
技术研发日：2020.07.28
技术公布日：2022/2/6