图像检测模型的训练方法、图像检测方法、装置及设备与流程

技术特征：
1.一种图像检测模型的训练方法，其特征在于，所述方法包括：获取属于目标风格的标准图像，所述目标风格为任一风格；调用正在训练的图像生成模型，对原始图像进行风格迁移，得到目标图像，所述图像生成模型用于生成属于所述目标风格的图像；基于所述目标图像，确定与所述目标图像的风格匹配的第一样本图像，基于所述图像生成模型当前的训练次数，确定所述第一样本图像对应的样本标签，所述样本标签用于表示所述第一样本图像的风格与所述目标风格之间的实际相似度，所述样本标签与所述图像生成模型的训练次数正相关；调用待训练的图像检测模型，将所述第一样本图像与所述标准图像进行对比，得到第一检测标签，所述第一检测标签用于表示所述第一样本图像的风格与所述目标风格之间的预测相似度；基于所述样本标签和所述第一检测标签，训练所述待训练的图像检测模型，得到训练完成的图像检测模型，所述训练完成的图像检测模型用于检测任两个图像的风格之间的相似度。2.根据权利要求1所述的图像检测模型的训练方法，其特征在于，所述基于所述目标图像，确定与所述目标图像的风格匹配的第一样本图像，包括：将所述目标图像确定为所述第一样本图像。3.根据权利要求2所述的图像检测模型的训练方法，其特征在于，所述方法还包括：确定多个候选图像生成模型，每个候选图像生成模型具有各自的训练次数和各自的准确度，且不同的候选图像生成模型当前的训练次数不同，所述准确度表示所述候选图像生成模型生成的属于所述目标风格的图像的准确程度；在所述多个候选图像生成模型中，选取所述准确度小于目标阈值的所述图像生成模型。4.根据权利要求1所述的图像检测模型的训练方法，其特征在于，所述调用正在训练的图像生成模型，对原始图像进行风格迁移，得到目标图像，包括：确定多个图像生成模型，且不同的图像生成模型当前的训练次数不同；调用所述多个图像生成模型，分别对所述原始图像进行风格迁移，得到多个目标图像；所述基于所述目标图像，确定与所述目标图像的风格匹配的第一样本图像，包括：将所述多个目标图像进行融合所得到的图像，确定为所述第一样本图像；所述基于所述图像生成模型当前的训练次数，确定所述第一样本图像对应的样本标签，包括：将所述多个图像生成模型的训练次数进行加权平均，得到平均训练次数；对所述平均训练次数进行归一化处理，得到所述样本标签。5.一种图像检测方法，其特征在于，所述方法包括：获取属于目标风格的标准图像，所述目标风格为任一风格；将第一图像的风格迁移为所述目标风格，得到属于所述目标风格的第二图像；调用训练完成的图像检测模型，将所述第二图像与所述标准图像进行对比，得到目标检测标签，所述目标检测标签用于表示所述第二图像的风格与所述标准图像的风格之间的相似度；
其中，所述训练完成的图像检测模型是采用如权利要求1至权利要求4任一项所述的图像检测模型的训练方法所训练的。6.一种图像检测模型的训练装置，其特征在于，所述装置包括：第一获取单元，被配置为执行获取属于目标风格的标准图像，所述目标风格为任一风格；第二获取单元，被配置为执行调用正在训练的图像生成模型，对原始图像进行风格迁移，得到目标图像，所述图像生成模型用于生成属于所述目标风格的图像；第一确定单元，被配置为执行基于所述目标图像，确定与所述目标图像的风格匹配的第一样本图像，基于所述图像生成模型当前的训练次数，确定所述第一样本图像对应的样本标签，所述样本标签用于表示所述第一样本图像的风格与所述目标风格之间的实际相似度，所述样本标签与所述图像生成模型的训练次数正相关；模型训练单元，被配置为执行调用待训练的图像检测模型，将所述第一样本图像与所述标准图像进行对比，得到第一检测标签，所述第一检测标签用于表示所述第一样本图像的风格与所述目标风格之间的预测相似度；所述模型训练单元，还被配置为执行基于所述样本标签和所述第一检测标签，训练所述待训练的图像检测模型，得到训练完成的图像检测模型，所述训练完成的图像检测模型用于检测任两个图像的风格之间的相似度。7.一种图像检测装置，其特征在于，所述装置包括：获取单元，被配置为执行获取属于目标风格的标准图像，所述目标风格为任一风格；风格迁移单元，被配置为执行将第一图像的风格迁移为所述目标风格，得到属于所述目标风格的第二图像；图像检测单元，被配置为执行调用训练完成的图像检测模型，将所述第二图像与所述标准图像进行对比，得到目标检测标签，所述目标检测标签用于表示所述第二图像的风格与所述标准图像的风格之间的相似度；其中，所述训练完成的图像检测模型是采用如权利要求1至权利要求4任一项所述的图像检测模型的训练方法所训练的。8.一种电子设备，其特征在于，所述电子设备包括：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至权利要求4任一项所述的图像检测模型的训练方法，或者实现如权利要求5所述的图像检测方法。9.一种计算机可读存储介质，当所述计算机可读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至权利要求4任一项所述的图像检测模型的训练方法，或者实现如权利要求5所述的图像检测方法。10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至权利要求4任一项所述的图像检测模型的训练方法，或者实现如权利要求5所述的图像检测方法。

技术总结
本公开是关于一种图像检测模型的训练方法、图像检测方法、装置及设备，属于计算机技术领域。方法包括：获取属于目标风格的标准图像；调用正在训练的图像生成模型，对原始图像进行风格迁移得到目标图像；基于目标图像确定与目标图像的风格匹配的第一样本图像，基于图像生成模型的训练次数，确定样本标签；调用待训练的图像检测模型，将第一样本图像与标准图像进行对比，得到第一检测标签；基于样本标签和第一检测标签，训练待训练的图像检测模型，得到训练完成的图像检测模型。本公开提供了一种自动生成样本图像和样本标签的方式，然后利用样本图像、样本标签和标准图像，训练图像检测模型，从而使用图像检测模型来对图像风格进行检测。测。测。


技术研发人员：黄高 郭嘉懿 杜超群 黄慧娟 万鹏飞
受保护的技术使用者：北京达佳互联信息技术有限公司
技术研发日：2022.04.21
技术公布日：2022/9/1