1.一种人像减龄处理方法,其特征在于,包括:
获取待处理图像,所述待处理图像包含人像;
将所述待处理图像输入预先训练得到的人像减龄处理网络模型中,由所述人像减龄处理网络模型进行减龄处理,得到处理后的图像以及所述待处理图像的光流结果,其中,所述人像减龄处理网络模型为卷积神经网络模型,所述人像减龄处理网络模型包括:多个下采样层、残差结构块以及上采样层;所述下采样层用于对所述待处理图像进行下采样,所述残差结构块用于对下采样后的结果进行特征提取并得到所述待处理图像的图像特征,所述上采样层用于基于所述待处理图像的图像特征以及所述下采样层的下采样结果进行上采样;
基于所述光流结果对所述处理后的图像进行分辨率还原处理,得到还原处理后的图像,所述还原处理后的图像的分辨率高于所述处理后的图像的分辨率。
2.如权利要求1所述的方法,其特征在于,所述将所述待处理图像输入预先训练得到的人像减龄处理网络模型中,由所述人像减龄处理网络模型进行减龄处理,得到处理后的图像以及所述待处理图像的光流结果,包括:
将所述待处理图像输入所述下采样层中,由所述下采样层对所述待处理图像进行多次下采样处理,得到下采样处理结果;
将所述下采样处理结果输入所述残差结构块中,由所述残差结构块基于所述下采样处理结果提取得到所述待处理图像的图像特征;
将所述下采样结果以及所述待处理图像的图像特征输入所述上采样层,由所述上采样层基于所述下采样结果以及所述待处理图像的图像特征进行多次上采样处理,得到所述处理后的图像以及所述光流结果。
3.如权利要求2所述的方法,其特征在于,所述人像减龄处理网络模型还包括:多个注意力层;每个所述注意力层分别与一个所述下采样层和一个所述上采样层连接;所述将所述待处理图像输入所述下采样层中,由所述下采样层对所述待处理图像进行多次下采样处理,得到下采样处理结果之后,所述方法还包括:
将所述下采样结果输入所述注意力层中,由所述注意力层进行特征权重提取,得到每个所述下采样层的特征权重;
将所述特征权重输入所述上采样层。
4.如权利要求3所述的方法,其特征在于,所述由所述上采样层基于所述下采样结果以及所述待处理图像的图像特征进行多次上采样处理,得到所述处理后的图像以及所述光流结果,包括:
由所述上采样层基于所述下采样结果、所述待处理图像的图像特征以及所述特征权重进行多次上采样处理,得到所述处理后的图像以及所述光流结果。
5.如权利要求2所述的方法,其特征在于,所述人像减龄处理网络模型还包括:多个堆叠卷积层;每个所述堆叠卷积层分别与一个上采样层连接;所述由所述上采样层基于所述下采样结果以及所述待处理图像的图像特征进行多次上采样处理,得到所述处理后的图像以及所述光流结果之后,所述方法还包括:
将所述处理后的图像输入所述堆叠卷积层,由所述堆叠卷积层对所述处理后的图像进行映射处理得到预设格式的处理后的图像以及预设格式的光流结果。
6.如权利要求1-5任一项所述的方法,其特征在于,所述获取待处理图像之前,所述方法还包括:
获取初始图像,所述初始图像中包括人像;
对所述初始图像进行剪裁预处理以及旋转预处理,得到中间图像;
对所述中间图像进行下采样处理,得到预设尺寸的图像,并将所述预设尺寸的图像作为所述待处理图像。
7.如权利要求6所述的方法,其特征在于,所述基于所述光流结果对所述处理后的图像进行分辨率还原处理,得到还原处理后的图像,包括:
基于所述光流结果对所述中间图像进行重新映射处理,确定图像残差金字塔;
通过所述图像残差金字塔对所述处理后的图像进行分辨率还原,得到所述还原处理后的图像。
8.如权利要求7所述的方法,其特征在于,所述基于所述光流结果对所述中间图像进行重新映射处理,确定图像残差金字塔,包括:
基于所述光流结果对所述中间图像进行重新映射处理,确定所述中间图像的形变图;
对所述中间图像的形变图进行下采样处理,得到所述图像残差金字塔。
9.一种人像减龄处理网络模型训练方法,其特征在于,包括:
获取包含人像的训练集样本图像以及测试集样本图像;
基于所述训练集样本图像、所述测试集样本图像训练得到人像减龄处理网络模型,其中,所述人像减龄处理网络模型为卷积神经网络模型,所述人像减龄处理网络模型包括:多个下采样层、残差结构块以及上采样层;所述下采样层用于对待处理图像进行下采样,所述残差结构块用于对下采样后的结果进行特征提取,所述上采样层用于基于所述待处理图像的图像特征以及所述下采样层的下采样结果进行上采样。
10.如权利要求9所述的方法,其特征在于,所述基于所述训练集样本图像、所述测试集样本图像训练得到人像减龄处理网络模型,包括:
基于训练集样本图像以及所述测试集样本图像得到初始模型的输出图像以及光流结果;
使用目标损失函数确定所述初始模型的损失信息,所述损失信息用于表征减龄处理的准确度以及光流估计的准确度;
根据所述初始模型的损失信息,修正所述初始模型,并在所述初始模型满足预设条件时,将满足条件的初始模型作为所述人像减龄处理网络模型。
11.一种人像减龄处理装置,其特征在于,包括:图像获取模块、模型处理模块、还原处理模块;
所述图像获取模块,用于获取待处理图像,所述待处理图像包含人像;
所述模型处理模块,用于将所述待处理图像输入预先训练得到的人像减龄处理网络模型中,由所述人像减龄处理网络模型进行减龄处理,得到处理后的图像以及所述待处理图像的光流结果,其中,所述人像减龄处理网络模型为卷积神经网络模型,所述人像减龄处理网络模型包括:多个下采样层、残差结构块以及上采样层;所述下采样层用于对所述待处理图像进行下采样,所述残差结构块用于对下采样后的结果进行特征提取并得到所述待处理图像的图像特征,所述上采样层用于基于所述待处理图像的图像特征以及所述下采样层的下采样结果进行上采样;
所述还原处理模块,用于基于所述光流结果对所述处理后的图像进行分辨率还原处理,得到还原处理后的图像,所述还原处理后的图像的分辨率高于所述处理后的图像的分辨率。
12.一种人像减龄处理网络模型训练装置,其特征在于,包括:样本获取模块,样本训练模块;
所述样本获取模块,用于获取包含人像的训练集样本图像以及测试集样本图像;
所述样本训练模块,用于基于所述训练集样本图像、所述测试集样本图像训练得到人像减龄处理网络模型,其中,所述人像减龄处理网络模型为卷积神经网络模型,所述人像减龄处理网络模型包括:多个下采样层、残差结构块以及上采样层;所述下采样层用于对待处理图像进行下采样,所述残差结构块用于对下采样后的结果进行特征提取,所述上采样层用于基于所述待处理图像的图像特征以及所述下采样层的下采样结果进行上采样。
13.一种计算机设备,其特征在于,包括:第一存储器、第一处理器,所述第一存储器中存储有可在所述第一处理器上运行的计算机程序,所述第一处理器执行所述计算机程序时,实现上述权利要求1至8任一项所述的方法的步骤。
14.一种计算机设备,其特征在于,包括:第二存储器、第二处理器,所述第二存储器中存储有可在所述第二处理器上运行的计算机程序,所述第二处理器执行所述计算机程序时,实现上述权利要求9或10所述方法的步骤。
15.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,该计算机程序被处理器执行时,实现权利要求1至10中任一项所述方法的步骤。