图像处理方法、装置、电子设备以及存储介质与流程

技术特征：
1.一种图像处理方法，其中，包括：获取目标人脸图像，其中，所述目标人脸图像至少包括目标部位；利用目标神经网络对所述目标人脸图像中的目标部位进行处理，生成目标处理结果；其中，所述目标神经网络使用多组图像通过机器训练得到，每组图像包括如下至少之一：第一类样本图像和第二类样本图像，所述第一类样本图像由第一源样本图像和对所述第一源样本图像进行优化处理后的目标样本图像组成，所述第二类样本图像由第一源样本图像和对第二源样本图像进行优化处理后的目标样本图像组成。2.根据权利要求1所述的方法，其中，利用目标神经网络对所述目标人脸图像中的目标部位进行处理，生成目标处理结果，包括：利用目标神经网络对所述目标人脸图像进行注意力处理，得到注意力图像，其中，所述注意力图像中目标部位所处区域的权重值大于预设值；基于所述注意力图像对所述目标人脸图像中的目标部位进行处理，生成所述目标处理结果。3.根据权利要求2所述的方法，其中，所述方法还包括：利用所述第一类样本图像对多个预设神经网络进行训练，得到训练结果；基于所述训练结果对所述多个预设神经网络进行筛选，得到初始神经网络；基于所述第一类样本图像和所述第二类样本图像对所述初始神经网络进行训练，得到所述目标神经网络。4.根据权利要求3所述的方法，其中，基于所述第一类样本图像和所述第二类样本图像对所述初始神经网络进行训练，得到所述目标神经网络，包括：利用所述初始神经网络对所述第一类样本图像和所述第二类样本图像进行注意力处理，得到多组注意力训练图像，其中，所述第一类样本图像和所述第二类样本图像中的目标部位包含有预设检测框，所述多组注意力训练图像中的目标部位包含有训练检测框；基于所述预设检测框和训练检测框，生成第一损失函数；基于所述第一损失函数对所述初始神经网络的模型参数进行调整，得到所述目标神经网络。5.根据权利要求4所述的方法，其中，在基于所述预设检测框和所述训练检测框，生成第一损失函数之后，所述方法还包括：基于所述多组注意力训练图像对所述第一类样本图像和所述第二类样本图像进行处理，输出目标训练图像；基于所述第一类样本图像、所述第二类样本图像和所述目标训练图像，生成第二损失函数；基于所述第一损失函数和所述第二损失函数对所述初始神经网络的模型参数进行调整，得到所述目标神经网络。6.根据权利要求5所述的方法，其中，所述方法还包括：获取所述目标样本图像；对所述目标样本图像进行三角剖分处理，得到至少一个第一源样本图像；对所述目标样本图像和所述至少一个第一源样本图像进行配对处理，得到所述第一类样本图像。
7.根据权利要求6所述的方法，其中，对所述目标样本图像和所述至少一个第一源样本图像进行配对处理，得到所述第一类样本图像，包括：对所述目标样本图像和所述至少一个第一源样本图像进行配对处理，得到初始训练图像；对所述初始训练图像进行增强处理，得到所述第一类样本图像。8.根据权利要求7所述的方法，其中，在对所述目标样本图像进行三角剖分处理，得到至少一个第一源样本图像之后，所述方法还包括：对所述至少一个第一源样本图像进行增强处理，得到至少一个第三源样本图像；对所述目标样本图像和所述至少一个第三源样本图像进行配对处理，得到所述第一类样本图像。9.一种图像处理装置，其中，包括：获取模块，用于获取目标人脸图像，其中，所述目标人脸图像至少包括目标部位；处理模块，用于利用目标神经网络对所述目标人脸图像中的目标部位进行处理，生成目标处理结果；其中，所述目标神经网络使用多组图像通过机器训练得到，每组图像包括如下至少之一：第一类样本图像和第二类样本图像，所述第一类样本图像由第一源样本图像和对所述第一源样本图像进行优化处理后的目标样本图像组成，所述第二类样本图像由第一源样本图像和对第二源样本图像进行优化处理后的目标样本图像组成。10.根据权利要求9所述的装置，其中，处理模块，包括：第一注意力处理单元，用于利用目标神经网络对所述目标人脸图像进行注意力处理，得到注意力图像，其中，所述注意力图像中目标部位所处区域的权重值大于预设值；目标部位处理单元，用于基于所述注意力图像对所述目标人脸图像中的目标部位进行处理，生成所述目标处理结果。11.根据权利要求10所述的装置，其中，所述装置还包括：第一训练模块，用于利用所述第一类样本图像对多个预设神经网络进行训练，得到训练结果；筛选模块，用于基于所述训练结果对所述多个预设神经网络进行筛选，得到初始神经网络；第二训练模块，用于基于所述第一类样本图像和所述第二类样本图像对所述初始神经网络进行训练，得到所述目标神经网络。12.根据权利要求11所述的装置，其中，第二训练模块，包括：第二注意力处理单元，用于利用所述初始神经网络对所述第一类样本图像和所述第二类样本图像进行注意力处理，得到多组注意力训练图像，其中，所述第一类样本图像和所述第二类样本图像中的目标部位包含有预设检测框，所述多组注意力训练图像中的目标部位包含有训练检测框；第一损失函数生成单元，用于基于所述预设检测框和训练检测框，生成第一损失函数；第一调整单元，用于基于所述第一损失函数对所述初始神经网络的模型参数进行调整，得到所述目标神经网络。13.根据权利要求12所述的装置，其中，所述第二训练模块还包括：
处理单元，用于基于所述多组注意力训练图像对所述第一类样本图像和所述第二类样本图像进行处理，输出目标训练图像；第二损失函数生成单元，用于基于所述第一类样本图像、所述第二类样本图像和所述目标训练图像，生成第二损失函数；第二调整单元，用于基于所述第一损失函数和所述第二损失函数对所述初始神经网络的模型参数进行调整，得到所述目标神经网络。14.根据权利要求13所述的装置，其中，所述装置还包括：获取模块还用于获取所述目标样本图像；处理模块还用于对所述目标样本图像进行三角剖分处理，得到至少一个第一源样本图像；配对模块，用于对所述目标样本图像和所述至少一个第一源样本图像进行配对处理，得到所述第一类样本图像。15.根据权利要求14所述的装置，其中，配对模块，包括：配对单元，用于对所述目标样本图像和所述至少一个第一源样本图像进行配对处理，得到初始训练图像；增强处理单元，用于对所述初始训练图像进行增强处理，得到所述第一类样本图像。16.根据权利要求15所述的装置，其中，所述装置还包括：增强处理模块，用于对所述至少一个第一源样本图像进行增强处理，得到至少一个第三源样本图像；配对模块还用于对所述目标样本图像和所述至少一个第三源样本图像进行配对处理，得到所述第一类样本图像。17.一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。18.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-8中任一项所述的方法。19.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-8中任一项所述的方法。

技术总结
本公开提供了一种图像处理方法、装置、电子设备及存储介质，涉及人工智能技术领域，具体为深度学习、计算机视觉技术领域，可应用于图像处理等场景，以至少解决相关技术中的神经网络对人脸图像中目标部位进行优化处理的效果较差的技术问题。具体实现方案为：获取目标人脸图像，其中，目标人脸图像至少包括目标部位；利用目标神经网络对目标人脸图像中的目标部位进行处理，生成目标处理结果；其中，目标神经网络使用多组图像通过机器训练得到，每组图像包括如下至少之一：第一类样本图像和第二类样本图像。样本图像。样本图像。


技术研发人员：姜珊 郭知智 洪智滨 韩钧宇
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：2022.01.11
技术公布日：2022/4/22