图像处理方法、生成器训练方法、装置及存储介质与流程

1.本技术涉及人工智能技术领域，具体地，涉及深度学习、计算机视觉技术领域， 可应用于光学字符识别ocr等场景，尤其涉及一种图像处理方法、生成器训练方法、 装置及存储介质。


背景技术：

2.相关技术中，对于文字识别任务，常见的应用场景是识别文档合同类型的图像数 据，再进行后续的信息抽取或者信息比对。由于文档合同类型的图像数据通常都会带 有印章、水印等标记，且标记通常都是覆盖在文字或其他信息上的，因此导致对图像 中的信息识别效果较差。


技术实现要素：

3.本技术提供了一种图像处理方法、生成器训练方法、装置及存储介质。
4.根据本技术的第一方面，提供了一种图像处理方法，包括：
5.获取具有标记的图像；
6.对所述具有标记的图像进行多次下采样操作，获得多个第一特征图；
7.对所述多个第一特征图分别进行卷积操作，获得所述多个第一特征图各自的中间 特征图；
8.根据多个第一特征图及其各自的中间特征图进行图像重建处理，获得去标记图像。
9.根据本技术的第二方面，提供了一种生成器训练方法，所述生成器用于实现图像 的去标记，所述训练方法包括：
10.获取具有标记的样本图像及获取真实图像；所述真实图像为未带所述标记的所述 样本图像；
11.将所述具有标记的样本图像输入所述生成器；
12.获取所述生成器对所述具有标记的样本图像进行多次下采样操作，得到的多个第 一样本特征图；
13.获取所述生成器对所述多个第一样本特征图分别进行卷积操作，得到的所述多个 第一样本特征图各自的中间样本特征图；
14.获取所述生成器根据多个第一样本特征图及其各自的中间样本特征图进行图像 重建处理，获得的去标记样本图像；
15.将所述真实图像与所述具有标记的样本图像在通道上进行拼接，得到真图；
16.将所述去标记样本图像与所述具有标记的样本图像在通道上进行拼接，得到伪图；
17.将所述真图和所述伪图分别输入至判别器，获得所述真图的第一判别结果和所述 伪图的第二判别结果；
18.根据所述第一判别结果和第二判别结果计算第一损失值，并根据所述第一损失值 训练判别器；
19.根据所述去标记样本图像、所述真实图像和训练的所述判别器计算第二损失值， 基于所述第二损失值训练所述生成器。
20.根据本技术的第三方面，提供了一种图像处理装置，包括：
21.第一获取模块，用于获取具有标记的图像；
22.下采样模块，用于对所述具有标记的图像进行多次下采样操作，获得多个第一特 征图；
23.卷积模块，用于对所述多个第一特征图分别进行卷积操作，获得所述多个第一特 征图各自的中间特征图；
24.重建模块，用于根据多个第一特征图及其各自的中间特征图进行图像重建处理， 获得去标记图像。
25.根据本技术的第四方面，提供了一种生成器训练装置，所述生成器用于实现图像 的去标记，所述训练装置包括：
26.第一获取模块，用于获取具有标记的样本图像及获取真实图像；所述真实图像为 未具有标记的的所述样本图像；
27.第一输入模块，用于将所述具有标记的样本图像输入所述生成器；
28.第二获取模块，用于获取所述生成器对所述具有标记的样本图像进行多次下采样 操作，得到的多个第一样本特征图；
29.第三获取模块，用于获取所述生成器对所述多个第一样本特征图分别进行卷积操 作，得到的所述多个第一样本特征图各自的中间样本特征图；
30.第四获取模块，用于获取所述生成器根据多个第一样本特征图及其各自的中间样 本特征图进行图像重建处理，获得的去标记样本图像；
31.第一拼接模块，用于将所述真实图像与所述具有标记的样本图像在通道上进行拼 接，得到真图；
32.第二拼接模块，用于将所述去标记样本图像与所述具有标记的样本图像在通道上 进行拼接，得到伪图；
33.第二输入模块，用于将所述真图和所述伪图分别输入至判别器，获得所述真图的 第一判别结果和所述伪图的第二判别结果；
34.第一训练模块，用于根据所述第一判别结果和第二判别结果计算第一损失值，并 根据所述第一损失值训练判别器；
35.第二训练模块，用于根据所述去标记样本图像、所述真实图像和训练的所述判别 器计算第二损失值，基于所述第二损失值训练所述生成器。
36.根据本技术的第五方面，提供了一种电子设备，其特征在于，包括：
37.至少一个处理器；以及
38.与所述至少一个处理器通信连接的存储器；其中，
39.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第一方面中任一项所述的方法，或 者，执行如第二方面中任一项所述的生成器训练方法。
据，再进行后续的信息抽取或者信息比对。由于文档合同类型的图像数据通常都会带 有标记，且标记通常都是覆盖在文字或其他信息上的，因此导致对图像中的信息识别 效果较差。因此，如何提高对图像中的信息识别效果，将标记进行准确去除，成为亟 需解决的问题。
62.基于上述问题，本技术提出了一种图像处理方法、装置、存储介质及计算机设备， 可以实现根据本技术的技术方案，可以在对具有标记的图像进行去标记时，将生成的 特征图进行特征增强，有效提高了对信息的识别效果，从而使得生成的去标记图像能 够保留更多除标记以外的信息，进而提高了对图像中标记进行去除的准确度，提高图 像的去标记效果，从而提升对图像中信息识别的效果。
63.图1是根据本技术第一实施例的示意图。需要说明的是，本技术实施例中的图 像处理方法可用于本技术实施例中的用于图像处理装置，该装置可配置于电子设备。 如图1所示，图像处理方法包括以下步骤：
64.步骤101，获取具有标记的图像。
65.需要说明的是，具有标记的图像可以通过扫描设备对具有标记的的纸质材料进行 扫描得到，还可以通过对具有标记的的纸质材料进行拍照得到。上述标记可以是印章， 还可以是水印。
66.可选的，具有标记的图像可以是彩色图像，还可以是黑白图像。可选的，具有印 章的图像中，印章可以是红色印章，还可以是其他颜色的印章，本实施例对此不进行 限定。
67.步骤102，对具有标记的图像进行多次下采样操作，获得多个第一特征图。
68.可以理解，对具有标记的图像进行一次下采样，得到一张第一特征图，将该第一 特征图再次进行下采样，得到第二张第一特征图，如此重复多次下采样操作，从而得 到多个尺寸不同的第一特征图，即得到多张尺寸不同的第一特征图，随着下采样次数 的增加，得到的第一特征图尺寸逐次减小。
69.步骤103，对多个第一特征图分别进行卷积操作，获得多个第一特征图各自的中 间特征图。
70.作为一种可能的示例，对多个第一特征图分别进行卷积操作，从而对多个第一特 征图分别进行特征增强，得到多个第一特征图各自的中间特征图。经过卷积操作后得 到的中间特征图，图像中的信息特征得到增强，从而能够对图像中的文字与标记重叠 的部分更好的进行区分。
71.步骤104，根据多个第一特征图及其各自的中间特征图进行图像重建处理，获得 去标记图像。
72.作为一种可能的示例，根据多个第一特征图，及其经过特征增强得到的各自的中 间特征图，进行特征重建，从而重建出标记图像。
73.根据本技术实施例的图像处理方法，通过获取具有标记的图像，对具有标记的图 像进行多次下采样操作，获得多个第一特征图，对多个第一特征图分别进行卷积操作， 获得多个第一特征图各自的中间特征图，根据多个第一特征图及其各自的中间特征图 进行图像重建处理，获得去标记图像。经过卷积操作后得到的特征图，可以使得图像 中信息的特征得到了增强，从而有效提高了对信息的识别效果，从而使得生成的去标 记图像能够保留更多除标记以外的信息，进而提高了对图像中标记进行去除的准确度， 提高图像的去标
记效果，从而提升对图像中信息识别的效果。
74.为了保证能够在每次上采样时能够充分的保留除标记以外的其他信息，可选地， 通过在对特征图进行上采样过程中，对特征图进行特征融合处理。图2是根据本技术 第二实施例的示意图。需要说明的是，本技术实施例的图像处理方法可由本技术实施 例中的图像处理装置执行。在本技术一些实施例中，如图2所示，该图像处理方法包 括：
75.步骤201，获取具有标记的图像。
76.在本技术的实施例中，步骤201可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
77.步骤202，对具有标记的图像进行多次下采样操作，获得多个第一特征图。
78.在本技术的实施例中，步骤202可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
79.步骤203，对多个第一特征图分别进行卷积操作，获得多个第一特征图各自的中 间特征图。
80.在本技术的实施例中，步骤203可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
81.步骤204，对多个第一特征图中尺寸最小的第一特征图进行一次上采样操作，得 到第二特征图。
82.可以理解，对具有标记的图像进行多次下采样，每进行一次下采样操作，生成的 第一特征图就会减小一次尺寸。因此可以确定的是，上述多个第一特征图中尺寸最小 的第一特征图即为进行最后一次下采样所得到的第一特征图。对上述多个第一特征图 中尺寸最小的第一特征图进行一次上采样操作，得到第二特征图。
83.步骤205，将第二特征图与多个第一特征图之中相同大小的第一特征图进行拼接 处理，获得第一融合特征图。
84.可以理解，经过一次上采样操作得到的第二特征图，相比于最后一次下采样所得 到的第一特征图，尺寸增大。在多个第一特征图中找到与该第二特征图尺寸相同的第 一特征图，将该第一特征图与第二特征图在通道上进行拼接，得到第一融合特征图。
85.步骤206，对第一融合特征图进行上采样操作，得到新的第二特征图，返回执行 将第二特征图与多个第一特征图之中相同大小的第一特征图进行拼接处理的步骤，直 至新的第二特征图的尺寸与具有标记的图像的尺寸相同。
86.作为一种可能实现方式的示例，对上述第一融合特征图进行上采样操作，得到新 的第二特征图。在多个第一特征图中找到与新的第二特征图尺寸大小相同的第一特征 图，将该第一特征图与上述新的第二特征图在通道上进行拼接，得到新的第一融合特 征图。继续执行对新的第一融合特征图进行上采样的操作，得到新的第二特征图。直 到上采样所得到的第二特征图尺寸与上述具有标记的图像的尺寸相同，结束上采样操 作。
87.步骤207，将与具有标记的图像的尺寸相同的第二特征图，确定为去标记图像。
88.可以理解，最后一次上采样所得到的第二特征图的尺寸与上述具有标记的图像的 尺寸相同，完成具有标记的图像的重建操作，将该第二特征图确定为去标记图像。
89.根据本技术实施例的图像处理方法，通过对多个第一特征图中尺寸最小的第一特 征图进行一次上采样操作，得到第二特征图，将第二特征图与多个第一特征图之中相 同大
小的第一特征图进行拼接处理，获得第一融合特征图，对第一融合特征图进行上 采样操作，得到新的第二特征图，返回执行将第二特征图与多个第一特征图之中相同 大小的第一特征图进行拼接处理的步骤，直至新的第二特征图的尺寸与具有标记的图 像的尺寸相同，将与具有标记的图像的尺寸相同的第二特征图，确定为去标记图像， 从而能够在每次上采样时能够充分的保留除标记以外的其他信息。
90.为了提高卷积操作的计算速度，可选地，在对多个第一特征图进行卷积操作之前， 先将多个第一特征图的通道数分别进行缩小。图3是根据本技术第三实施例的示意图。 需要说明的是，本技术实施例的图像处理方法可由本技术实施例中的图像处理装置执 行。在本技术一些实施例中，如图3所示，该图像处理方法包括：
91.步骤301，获取具有标记的图像。
92.在本技术的实施例中，步骤301可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
93.步骤302，对具有标记的图像进行多次下采样操作，获得多个第一特征图。
94.在本技术的实施例中，步骤302可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
95.步骤303，对多个第一特征图的通道数分别进行缩小，得到多个第一特征图各自 的第一中间特征图。
96.作为一种可能的示例，对多个第一特征图的通道数分别进行缩小，得到多个通道 数较少的第一中间特征图。
97.步骤304，对多个第一中间特征图分别进行卷积操作，得到多个第一中间特征图 各自的第二中间特征图。
98.可以理解，例如，假设直接对第一特征图进行卷积操作，由于第一特征图的通道 数过多，卷积操作的计算量会非常大，因此，为了提高计算速度，可以先将第一特征 图的通道数缩小，得到第一中间特征图，再对第一中间特征图进行卷积操作，从而有 效提高卷积操作的计算速度。
99.作为一种可能的示例，对每个第一中间特征图均进行卷积操作，得到每个第一中 间特征图对应的第二中间特征图。
100.步骤305，对多个第二中间特征图的通道数分别进行扩大，获得多个第一特征图 各自的中间特征图。
101.作为一种可能的示例，对多个第二中间特征图的通道数分别进行扩大，每个第二 中间特征图的通道数扩大的增量，与每个第二中间特征图对应的第一特征图缩小的通 道数相同。
102.步骤306，根据多个第一特征图及其各自的中间特征图进行图像重建处理，获得 去标记图像。
103.在本技术的实施例中，步骤306可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
104.根据本技术实施例的图像处理方法，通过对多个第一特征图的通道数分别进行缩 小，得到多个第一特征图各自的第一中间特征图，从而减小了卷积操作的计算量。对 多个第一中间特征图分别进行卷积操作，得到多个第一中间特征图各自的第二中间特 征图，对
多个第二中间特征图的通道数分别进行扩大，获得多个第一特征图各自的中 间特征图，从而实现了保证通道数不变的前提下提高了卷积操作的计算速度。
105.为了保证使生成的去标记图像更多的保留除标记以外的其他信息，可选地，可以 利用预先训练好的生成器对具有标记的图像进行去标记处理。图4是根据本技术第四 实施例的示意图。需要说明的是，本技术实施例的图像处理方法可由本技术实施例中 的图像处理装置执行。在本技术一些实施例中，如图4所示，该图像处理方法包括：
106.步骤401，获取具有标记的图像。
107.在本技术的实施例中，步骤401可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
108.步骤402，将具有标记的图像输入至预先训练的生成器；生成器包括下采样层、 上采样层和上采样融合模块。
109.需要说明的是，下采样层、上采样层均有多层。上述生成器是预先训练好的生成 器，生成器的具体训练方法可以参照本技术中图6至图8中任意训练方法，在此不做 赘述。可以理解，该生成器可以是生成对抗网络中的生成器。
110.作为一种可能的示例，将获取到的标记图像输入至预先训练好的生成器中。
111.步骤403，获得下采样层对具有标记的图像进行多次下采样操作后输出的多个第 一特征图。
112.作为一种可能的示例，将具有标记的图像输入到第一层下采样层中，第一层下采 样层对具有标记的图像进行下采样，得到第一张第一特征图。第二层下采样层对第一 张第一特征图进行下采样，得到第二张第一特征图，直到最后一次层下采样层结束下 采样操作，得到多个第一特征图。
113.可选的，上述生成器可以采用生成器可以采用u型网络unet。
114.举例来说，如图5所示，将具有标记的图像输入生成器中，该生成器包括四层下 采样层和四层上采样层，下采样层d1对具有标记的图像进行一次下采样，得到第一 张第一特征图a1，下采样层d2对第一张第一特征图a1进行一次下采样，得到第二张 第一特征图a2，下采样层d3对第二张第一特征图a2进行一次下采样，得到第三张第 一特征图a3，下采样层d4对第三张第一特征图a3进行一次下采样，得到第四张第一 特征图a4。
115.具体的，下采样层d1、下采样层d2均采用尺寸为5
×
5的卷积核、步长为2的 卷积，下采样层d3、下采样层d4均采用尺寸为3
×
3的卷积核、步长为2的卷积，每 一层下采样层执行一次下采样操作，都将特征图的尺寸缩小一半。
116.其中，在本技术实施例中，对多个第一特征图分别进行卷积操作，获得多个第一 特征图各自的中间特征图，包括：
117.步骤404，获得上采样融合模块对多个第一特征图的通道数分别进行缩小后输出 的多个第一特征图各自的第一中间特征图。
118.作为一种可能的示例，上采样融合模块对多个第一特征图的通道数分别进行缩小， 得到多个第一特征图各自的第一中间特征图，对多个第一中间特征图进行输出。
119.举例来说，如图5所示，上采样融合模块对第一张第一特征图a1、第二张第一 特征图a2、第三张第一特征图a3、第四张第一特征图a4的通道数分别进行缩小，得 到第一张第一特征图a1、第二张第一特征图a2、第三张第一特征图a3、第四张第一 特征图a4各自的第
一中间特征图，对多个第一中间特征图进行输出。
120.步骤405，获得上采样融合模块对多个第一中间特征图分别进行卷积操作后输出 的多个第一中间特征图各自的第二中间特征图；
121.作为一种可能的示例，上采样融合模块对多个第一中间特征图分别进行卷积操作， 得到多个第一中间特征图各自的第二中间特征图,上采样融合模块对多个第二中间特 征图进行输出。
122.举例来说，如图5所示，上采样融合模块对第一张第一特征图a1、第二张第一 特征图a2、第三张第一特征图a3、第四张第一特征图a4各自的第一中间特征图分别 进行卷积操作，得到多个第一中间特征图各自的第二中间特征图,上采样融合模块对 多个第二中间特征图进行输出。
123.步骤406，获得上采样融合模块对多个第二特征图的通道数分别进行扩大后输出 的多个第二中间特征图各自的中间特征图。
124.作为一种可能的示例，上采样融合模块对多个第二特征图的通道数分别进行扩大， 得到多个第二中间特征图各自的中间特征图，对多个中间特征图进行输出。
125.举例来说，如图5所示，上采样融合模块对第一张第一特征图a1、第二张第一 特征图a2、第三张第一特征图a3、第四张第一特征图a4各自的第二特征图的通道数 分别进行扩大，得到多个第二中间特征图各自的中间特征图，对多个中间特征图进行 输出。
126.其中，在本技术实施例中，根据多个第一特征图及其各自的中间特征图进行图 像重建处理，获得去标记图像，包括：
127.步骤407，获得上采样层对多个第一特征图中尺寸最小的第一特征图进行一次上 采样操作后输出的第二特征图。
128.举例来说，如图5所示，确定上采样层中下采样层d4生成的第四张第一特征图 a4，上采样层将第四张第一特征图a4进行一次上采样操作，得到第二特征图b1，将 第二特征图b1进行输出。
129.步骤408，获得上采样融合模块将第二特征图与多个第一特征图之中相同大小的 第一特征图所对应的中间特征图进行拼接处理后输出的第一融合特征图。
130.作为一种可能的示例，上采样融合模块将第二特征图与多个第一特征图之中相同 大小的第一特征图进行拼接处理，得到第一融合特征图，上采样融合模块对第一融合 特征图进行输出。举例来说，如图5所示，下采样层d3生成的第三张第一特征图a3 对应的中间特征图与上述第二特征图b1大小相同，将该中间特征图与第二特征图b1 进行拼接处理，得到第一融合特征图，上采样融合模块将第一融合特征图进行输出。
131.步骤409，获得上采样层对第一融合特征图进行上采样操作后输出的新的第二特 征图，返回执行获得上采样融合模块将第二特征图与多个第一特征图之中相同大小的 第一特征图进行拼接处理后输出的第一融合特征图的步骤，直至新的第二特征图的尺 寸与具有标记的图像的尺寸相同。
132.作为一种可能的示例，第二层上采样层对第一融合特征图进行上采样操作，得到 新的第二特征图，第二层上采样层对新的第二特征图进行输出。继续执行上采样融合 模块将第二特征图与多个第一特征图之中相同大小的第一特征图进行拼接处理，得到 第一融合特征图，上采样融合模块对第一融合特征图进行输出的步骤，直至新的第二 特征图的尺
寸与具有标记的图像的尺寸相同。
133.举例来说，如图5所示，上采样层u2对第一融合特征图进行上采样操作，得到 新的第二特征图b2。确定与第二特征图b2大小相同的第一特征图a2，将第一特征图 a2与第二特征图b2进行拼接处理，得到第二张第一融合特征图，上采样层u3第二张 第一融合特征图进行上采样操作，得到新的第二特征图b3。确定与第二特征图b3大 小相同的第一特征图a3，将第一特征图a3与第二特征图b3进行拼接处理，得到第三 张第一融合特征图，上采样层u4第二张第一融合特征图进行上采样操作，得到新的 第二特征图b4。第二特征图b4与具有标记的图像的尺寸相同，上采样操作结束。 具体的，上采样层u1、上采样层u2均采用尺寸为3
×
3的卷积核、步长为2的卷积， 上采样层u3、上采样层u4均采用尺寸为5
×
5的卷积核、步长为2的卷积，每一层上 采样层执行一次上采样操作，都将特征图的尺寸扩大一半。
134.步骤410，将与具有标记的图像的尺寸相同的第二特征图，确定为去标记图像。
135.作为一种可能的示例，将上采样层中生成的与具有标记的图像的尺寸相同的第二 特征图，确定为去标记图像。
136.举例来说，如图5所示，第二特征图b4与具有标记的图像的尺寸相同，将第二 特征图b4确定为去标记图像。
137.根据本技术实施例的图像处理方法，将具有标记的图像输入至预先训练的生成器， 获得下采样层对具有标记的图像进行多次下采样操作后输出的多个第一特征图，通过 上采样融合模块对多个第一特征图分别进行卷积操作，获得多个第一特征图各自的中 间特征图，根据多个第一特征图及其各自的中间特征图进行图像重建处理，生成去标 记图像，从而使生成的去标记图像更多的保留除标记以外的其他信息，有效的提高了 标记去除质量。
138.为了保证使生成器能够学会根据具有标记的图像生成去标记图像，可选地，通过 具有标记的样本图像对生成器进行训练，将训练好的生成器作为本技术图像处理方法 中使用的生成器。图6是根据本技术第五实施例的示意图。本技术实施例中的生成器 训练方法可用于本技术实施例中的用于生成器训练装置，该装置可配置于电子设备。 如图6所示，生成器训练方法包括以下步骤：
139.步骤601，获取具有标记的样本图像及获取真实图像；真实图像为未具有标记的 的样本图像。
140.可以理解，作为一种可能实现方式的示例，可以先将未盖章的纸质材料作为样本， 获取未盖章纸质材料的样本图像，然后在未盖章的纸质材料上加盖印章，从而得到具 有标记的样本，获取具有标记的样本图像。可选的，对具有标记的样本图像及获取真 实图像可以通过扫描或拍照得形式进行获取。
141.步骤602，将具有标记的样本图像输入生成器；
142.步骤603，获取生成器对具有标记的样本图像进行多次下采样操作，得到的多个 第一样本特征图。
143.可以理解，生成器对具有标记的样本图像进行一次下采样，得到一张第一样本特 征图，将该第一样本特征图再次进行下采样，得到第二张第一样本特征图，如此重复 多次下采样操作，从而得到多个尺寸不同的第一样本特征图，即得到多张尺寸不同的 第一样本特征图，随着下采样次数的增加，得到的第一样本特征图尺寸逐次减小。
144.步骤604，获取生成器对多个第一样本特征图分别进行卷积操作，得到的多个第 一样本特征图各自的中间样本特征图。
145.作为一种可能的示例，生成器对多个第一样本特征图分别进行卷积操作，从而对 多个第一样本特征图分别进行特征增强，得到多个第一样本特征图各自的中间样本特 征图。经过卷积操作后得到的中间样本特征图，样本图像中的信息特征得到增强，从 而能够对样本图像中的文字与标记重叠的部分更好的进行区分。
146.步骤605，获取生成器根据多个第一样本特征图及其各自的中间样本特征图进行 图像重建处理，获得的去标记样本图像。
147.作为一种可能的示例，生成器根据多个第一样本特征图，及其经过特征增强得到 的各自的中间样本特征图，进行特征重建，从而重建出标记样本图像。
148.步骤606，将真实图像与具有标记的样本图像在通道上进行拼接，得到真图。
149.步骤607，将去标记样本图像与具有标记的样本图像在通道上进行拼接，得到伪 图。
150.可以理解，通过将真实图像与具有标记的样本图像在通道上进行拼接，得到真图， 也就是真样本。将去标记样本图像与具有标记的样本图像在通道上进行拼接，得到伪 图，即假样本。能够使判别器更好的输出判别结果，也就是说能够让判别器更好的判 别输入图像的真假。
151.步骤608，将真图和伪图分别输入至判别器，获得真图的第一判别结果和伪图的 第二判别结果。
152.作为一种可能的示例，第一判别结果可以是输入判别器的真样本是真图的概率， 第二判别结果可以是是输入判别器的假样本是真图的概率。将将真图和伪图分别输入 至判别器，判别器对真图和伪图进行判别，获得真图的第一判别结果和伪图的第二判 别结果。
153.步骤609，根据第一判别结果和第二判别结果计算第一损失值，并根据第一损失 值训练判别器。
154.作为一种可能的示例，可以通过预设的生成式对抗网络gan损失函数，根据第 一判别结果和第二判别结果计算第一损失值，根据第一损失值对判别器进行训练。
155.步骤6010，根据去标记样本图像、真实图像和训练的判别器计算第二损失值， 基于第二损失值训练生成器。
156.作为一种可能的示例，可以根据去标记样本图像、真实图像和训练的判别器计算 第二损失值，基于第二损失值对生成器进行训练。
157.需要说明的是，本实施例步骤601至步骤6010提出的生成器训练可以重复执行 多次，通过大量的具有标记的样本图像对生成器进行训练，从而得到训练好的生成器。
158.根据本技术实施例的生成器训练方法，通过具有标记的样本图像及获取真实图像， 将具有标记的样本图像输入生成器，获得去标记样本图像，将真实图像与具有标记的 样本图像在通道上进行拼接得到真图，将去标记样本图像与具有标记的样本图像在通 道上进行拼接得到伪图，将真图和伪图分别输入至判别器，获得真图的第一判别结果 和伪图的第二判别结果，根据第一判别结果和第二判别结果计算第一损失值，并根据 第一损失值训练判别器，根据去标记样本图像、真实图像和训练的判别器计算第二损 失值，基于第二
损失值训练生成器，从而使生成器能够学会根据具有标记的图像生成 去标记图像并进行输出。
159.为了保证生成器能够重建出更加真实的去标记图像，可选地，通过距离损失函数、 生成式对抗网络损失函数、文字分割距离损失函数对生成器进行训练。图7是根据本 申请第六实施例的示意图。需要说明的是，本技术实施例的生成器训练方法可由本申 请实施例中的生成器训练装置执行。在本技术一些实施例中，如图7所示，该生成器 训练方法包括以下步骤：
160.步骤701，获取具有标记的样本图像及获取真实图像；真实图像为未具有标记的 的样本图像。
161.在本技术的实施例中，步骤701可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
162.步骤702，将具有标记的样本图像输入生成器，获得去标记样本图像。
163.在本技术的实施例中，步骤702可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
164.步骤703，将真实图像与具有标记的样本图像在通道上进行拼接，得到真图。
165.在本技术的实施例中，步骤703可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
166.步骤704，将去标记样本图像与具有标记的样本图像在通道上进行拼接，得到伪 图。
167.在本技术的实施例中，步骤704可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
168.步骤705，将真图和伪图分别输入至判别器，获得真图的第一判别结果和伪图的 第二判别结果。
169.在本技术的实施例中，步骤705可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
170.步骤706，根据第一判别结果和第二判别结果计算第一损失值，并根据第一损失 值训练判别器。
171.在本技术的实施例中，步骤706可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
172.步骤707，根据真实图像和去标记样本图像计算第三损失值。
173.作为一种可能实施方式的示例，可以按照预设的距离损失函数，根据真实图像和 去标记样本图像计算第三损失值。通过第三损失值能够帮助生成器学习到生成目标去 标记图片，也就是说使生成器生成的去标记图像能够更接近真实图像。
174.步骤708，对真实图像进行文字分割处理得到第一文字分割特征图，并对去标记 样本图像进行文字分割处理得到第二文字分割特征图，根据第一文字分割特征图和第 二文字分割特征图计算第四损失值。
175.作为一种可能的示例，对真实图像进行文字分割处理得到第一文字分割特征图， 并对去标记样本图像进行文字分割处理得到第二文字分割特征图，按照预设的文字分 割距离损失函数，根据第一文字分割特征图和第二文字分割特征图计算第四损失值， 通过第
四损失值防止生成器对具有标记的图像中没有标记的文字区域误擦除。
176.步骤709，将去标记样本图像输入至训练的判别器以得到判别结果，并根据判别 结果计算第五损失值。
177.作为一种可能实施方式的示例，将去标记样本图像输入至训练的判别器以得到判 别结果，并根据判别结果计算第五损失值。通过第五损失值可以帮助生成器重建出更 加真实的去标记图像。
178.步骤710，根据第三损失值、第四损失值和第五损失值，生成第二损失值，基于 第二损失值训练生成器。
179.作为一种可能实现方式的示例，可以将第三损失值、第四损失值和第五损失值相 加，得到第二损失值，基于第二损失值训练生成器。
180.根据本技术实施例的生成器训练方法，根据真实图像和去标记样本图像计算第三 损失值，对真实图像进行文字分割处理得到第一文字分割特征图，并对去标记样本图 像进行文字分割处理得到第二文字分割特征图，根据第一文字分割特征图和第二文字 分割特征图计算第四损失值，将去标记样本图像输入至训练的判别器以得到判别结果， 并根据判别结果计算第五损失值，根据第三损失值、第四损失值和第五损失值，生成 第二损失值，基于第二损失值训练生成器，从而防止生成器对具有标记的图像中没有 标记的文字区域误擦除，使生成器重建出更加真实的去标记图像，提高了图像的去标 记效果，从而提升对图像中信息识别的效果。
181.为了保证提高生成器在具有标记的图像中文字与标记重叠部分的图像重建能力， 可选地，对真实图像进行文字分割处理得到第一文字分割特征图，并对去标记样本图 像进行文字分割处理得到第二文字分割特征图。图8是根据本技术第七实施例的示意 图。需要说明的是，本技术实施例的生成器训练方法可由本技术实施例中的生成器训 练装置执行。在本技术一些实施例中，如图8示，该生成器训练方法包括以下步骤：
182.步骤801，获取具有标记的样本图像及获取真实图像；真实图像为未具有标记的 的样本图像。
183.在本技术的实施例中，步骤801可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
184.步骤802，将具有标记的样本图像输入生成器，获得去标记样本图像。
185.在本技术的实施例中，步骤802可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
186.步骤803，将真实图像与具有标记的样本图像在通道上进行拼接，得到真图。
187.在本技术的实施例中，步骤803可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
188.步骤804，将去标记样本图像与具有标记的样本图像在通道上进行拼接，得到伪 图。
189.在本技术的实施例中，步骤804可以分别采用本技术的各实施例中的任一种方式 实现，本技术实施例并不对此作出限定，也不再赘述。
190.步骤805，将真图和伪图分别输入至判别器，获得真图的第一判别结果和伪图的 第二判别结果。
征图；
210.卷积模块903，用于对多个第一特征图分别进行卷积操作，获得多个第一特征图 各自的中间特征图；
211.重建模块904，用于根据多个第一特征图及其各自的中间特征图进行图像重建处 理，获得去标记图像。
212.根据本技术实施例的图像处理装置，通过获取具有标记的图像，对具有标记的图 像进行多次下采样操作，获得多个第一特征图，对多个第一特征图分别进行卷积操作， 获得多个第一特征图各自的中间特征图，根据多个第一特征图及其各自的中间特征图 进行图像重建处理，获得去标记图像。经过卷积操作后得到的中间特征图，文字部分 的特征得到了增强，从而实现了对文字与标记重叠的部分更好的进行区分，在图像的 重建处理时能够更好的保留具有标记的图像中的文字部分，避免了文字的误擦除，提 高了图像的去标记效果，从而提升对图像中信息识别的效果。
213.为了实现上述实施例，本技术提出了一种图像处理装置。
214.图10是根据本技术第九实施例的示意图。如图10所示，该装置包括：第一获取 模块1010、下采样模块1020、卷积模块1030和重建模块1040，其中，重建模块1040 包括：第一上采样子模块1041、拼接子模块1042、第二上采样子模块1043和确定子 模块1044。
215.第一获取模块1010，用于获取具有标记的图像；
216.下采样模块1020，用于对具有标记的图像进行多次下采样操作，获得多个第一 特征图；
217.卷积模块1030，用于对多个第一特征图分别进行卷积操作，获得多个第一特征 图各自的中间特征图；
218.重建模块1040，用于根据多个第一特征图及其各自的中间特征图进行图像重建 处理，获得去标记图像。
219.其中，重建模块1040包括：
220.第一上采样子模块1041，用于对多个第一特征图中尺寸最小的第一特征图进行 一次上采样操作，得到第二特征图；
221.拼接子模块1042，用于将第二特征图与多个第一特征图之中相同大小的第一特 征图进行拼接处理，获得第一融合特征图；
222.第二上采样子模块1043，用于对第一融合特征图进行上采样操作，得到新的第 二特征图，返回执行将第二特征图与多个第一特征图之中相同大小的第一特征图进行 拼接处理的步骤，直至新的第二特征图的尺寸与具有标记的图像的尺寸相同；
223.确定子模块1044，用于将与具有标记的图像的尺寸相同的第二特征图，确定为 去标记图像。
224.根据本技术实施例的图像处理装置，通过对多个第一特征图中尺寸最小的第一特 征图进行一次上采样操作，得到第二特征图，将第二特征图与多个第一特征图之中相 同大小的第一特征图进行拼接处理，获得第一融合特征图，对第一融合特征图进行上 采样操作，得到新的第二特征图，返回执行将第二特征图与多个第一特征图之中相同 大小的第一特征图进行拼接处理的步骤，直至新的第二特征图的尺寸与具有标记的图 像的尺寸相同，将与具有标记的图像的尺寸相同的第二特征图，确定为去标记图像， 从而能够在每次上采
后输出的多个第一特征图；
244.卷积模块1230，用于对多个第一特征图分别进行卷积操作，获得多个第一特征 图各自的中间特征图。
245.其中，卷积模块1230包括：
246.第一获取子模块1231，用于获得上采样融合模块对多个第一特征图的通道数分 别进行缩小后输出的多个第一特征图各自的第一中间特征图；
247.第二获取子模块1232，用于获得上采样融合模块对多个第一中间特征图分别进 行卷积操作后输出的多个第一中间特征图各自的第二中间特征图；
248.第三获取子模块1233，用于获得上采样融合模块对多个第二特征图的通道数分 别进行扩大后输出的多个第二中间特征图各自的中间特征图；
249.重建模块1240，用于根据多个第一特征图及其各自的中间特征图进行图像重建 处理，获得去标记图像。
250.其中，重建模块1240包括：
251.第四获取子模块1241，用于获得上采样层对多个第一特征图中尺寸最小的第一 特征图进行一次上采样操作后输出的第二特征图；
252.第五获取子模块1242，用于获得上采样融合模块将第二特征图与多个第一特征 图之中相同大小的第一特征图进行拼接处理后输出的第一融合特征图；
253.第六获取子模块1243，用于获得上采样层对第一融合特征图进行上采样操作后 输出的新的第二特征图，返回执行获得上采样融合模块将第二特征图与多个第一特征 图之中相同大小的第一特征图进行拼接处理后输出的第一融合特征图的步骤，直至新 的第二特征图的尺寸与具有标记的图像的尺寸相同；
254.确定子模块1244，用于将与具有标记的图像的尺寸相同的第二特征图，确定为 去标记图像。
255.根据本技术实施例的图像处理装置，将具有标记的图像输入至预先训练的生成器， 获得下采样层对具有标记的图像进行多次下采样操作后输出的多个第一特征图，通过 上采样融合模块对多个第一特征图分别进行卷积操作，获得多个第一特征图各自的中 间特征图，根据多个第一特征图及其各自的中间特征图进行图像重建处理，生成去标 记图像，从而使生成的去标记图像更多的保留除标记以外的其他信息，有效的提高了 标记去除质量。
256.为了实现上述实施例，本技术提出了一种生成器训练装置。
257.图13是根据本技术第十二实施例的示意图。如图13所示，生成器训练装置包括： 第一获取模块131、第一输入模块132、第二获取模块133、第三获取模块134、第四 获取模块135、第一拼接模块136、第二拼接模块137、第二输入模块138、第一训练 模块139和第二训练模块1310。
258.其中，第一获取模块131，用于获取具有标记的样本图像及获取真实图像；真实 图像为未具有标记的的样本图像；
259.第一输入模块132，用于将具有标记的样本图像输入生成器；
260.第二获取模块133，用于获取生成器对具有标记的样本图像进行多次下采样操作， 得到的多个第一样本特征图；
261.第三获取模块134，用于获取生成器对多个第一样本特征图分别进行卷积操作， 得到的多个第一样本特征图各自的中间样本特征图；
262.第四获取模块135，用于获取生成器根据多个第一样本特征图及其各自的中间样 本特征图进行图像重建处理，获得的去标记样本图像；
263.第一拼接模块136，用于将真实图像与具有标记的样本图像在通道上进行拼接， 得到真图；
264.第二拼接模块137，用于将去标记样本图像与具有标记的样本图像在通道上进行 拼接，得到伪图；
265.第二输入模块138，用于将真图和伪图分别输入至判别器，获得真图的第一判别 结果和伪图的第二判别结果；
266.第一训练模块139，用于根据第一判别结果和第二判别结果计算第一损失值，并 根据第一损失值训练判别器；
267.第二训练模块1310，用于根据去标记样本图像、真实图像和训练的判别器计算 第二损失值，基于第二损失值训练生成器。
268.根据本技术实施例的生成器训练装置，通过具有标记的样本图像及获取真实图像， 将具有标记的样本图像输入生成器，获得去标记样本图像，将真实图像与具有标记的 样本图像在通道上进行拼接得到真图，将去标记样本图像与具有标记的样本图像在通 道上进行拼接得到伪图，将真图和伪图分别输入至判别器，获得真图的第一判别结果 和伪图的第二判别结果，根据第一判别结果和第二判别结果计算第一损失值，并根据 第一损失值训练判别器，根据去标记样本图像、真实图像和训练的判别器计算第二损 失值，基于第二损失值训练生成器，从而使生成器能够学会根据具有标记的图像生成 去标记图像并进行输出。
269.图14是根据本技术第十三实施例的示意图。如图14所示，生成器训练装置包括： 获取模块1410、第一输入模块1420、第一拼接模块1430、第二拼接模块1440、第二 输入模块1450、第一训练模块1460和第二训练模块1470。其中，第二训练模块1470 包括：第一计算子模块1471、文字分割子模块1472、第二计算子模块1473和生成子 模块1474。
270.其中，获取模块1410，用于获取具有标记的样本图像及获取真实图像；真实图 像为未具有标记的的样本图像；
271.第一输入模块1420，用于将具有标记的样本图像输入生成器，获得去标记样本 图像；
272.第一拼接模块1430，用于将真实图像与具有标记的样本图像在通道上进行拼接， 得到真图；
273.第二拼接模块1440，用于将去标记样本图像与具有标记的样本图像在通道上进 行拼接，得到伪图；
274.第二输入模块1450，用于将真图和伪图分别输入至判别器，获得真图的第一判 别结果和伪图的第二判别结果；
275.第一训练模块1460，用于根据第一判别结果和第二判别结果计算第一损失值， 并根据第一损失值训练判别器；
276.第二训练模块1470，用于根据去标记样本图像、真实图像和训练的判别器计算 第
二损失值，基于第二损失值训练生成器；
277.其中，第二训练模块1470包括：
278.第一计算子模块1471，用于根据真实图像和去标记样本图像计算第三损失值；
279.文字分割子模块1472，用于对真实图像进行文字分割处理得到第一文字分割特 征图，并对去标记样本图像进行文字分割处理得到第二文字分割特征图，根据第一文 字分割特征图和第二文字分割特征图计算第四损失值；在一种实现方式中，文字分割 子模块1472具体用于：将去标记样本图像输入预先训练的文字分割模型，对去标记 样本图像进行文字分割，得到第一文字分割特征图；将真实图像输入文字分割模型， 对真实图像进行文字分割，得到第二文字分割特征图。
280.第二计算子模块1473，用于将去标记样本图像输入至训练的判别器以得到判别 结果，并根据判别结果计算第五损失值；
281.生成子模块1474，用于根据第三损失值、第四损失值和第五损失值，生成第二 损失值。
282.根据本技术实施例的生成器训练装置，根据真实图像和去标记样本图像计算第三 损失值，对真实图像进行文字分割处理得到第一文字分割特征图，并对去标记样本图 像进行文字分割处理得到第二文字分割特征图，根据第一文字分割特征图和第二文字 分割特征图计算第四损失值，将去标记样本图像输入至训练的判别器以得到判别结果， 并根据判别结果计算第五损失值，根据第三损失值、第四损失值和第五损失值，生成 第二损失值，基于第二损失值训练生成器，从而防止生成器对具有标记的图像中没有 标记的文字区域误擦除，使生成器重建出更加真实的去标记图像。
283.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。
284.根据本技术的实施例，本技术还提供了一种电子设备和一种可读存储介质。
285.如图15所示，是用以实现本技术实施例的电子设备的框图。电子设备旨在表示 各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、 服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各 种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它 类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示 例，并且不意在限制本文中描述的和/或者要求的本技术的实现。
286.如图15所示，该电子设备包括：一个或多个处理器1501、存储器1502，以及用 于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接， 并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设 备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置 (诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中， 若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样， 可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一 组刀片式服务器、或者多处理器系统)。图15中以一个处理器1501为例。
287.存储器1502即为本技术所提供的非瞬时计算机可读存储介质。其中，所述存储 器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本技术所提 供的
图像处理方法或生成器训练方法。本技术的非瞬时计算机可读存储介质存储计算 机指令，该计算机指令用于使计算机执行本技术所提供的图像处理的方法。
288.存储器1502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、 非瞬时计算机可执行程序以及模块，如本技术实施例中的图像处理的方法对应的程序 指令/模块(例如，附图9所示的第一获取模块901、下采样模块902、卷积模块903 和重建模块904)。处理器1501通过运行存储在存储器1502中的非瞬时软件程序、 指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施 例中的图像处理的方法。
289.存储器1502可以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、至少一个功能所需要的应用程序；存储数据区可存储根据本技术实施例的电子 设备的使用所创建的数据等。此外，存储器1502可以包括高速随机存取存储器，还 可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态 存储器件。在一些实施例中，存储器1502可选包括相对于处理器1501远程设置的存 储器，这些远程存储器可以通过网络连接至本技术实施例的电子设备。上述网络的实 例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
290.本技术实施例的电子设备还可以包括：输入装置1503和输出装置1504。处理器 1501、存储器1502、输入装置1503和输出装置1504可以通过总线或者其他方式连接， 图15中以通过总线连接为例。
291.输入装置1503可接收输入的数字或字符信息，以及产生与本技术实施例的电子 设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹 板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装 置1504可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如， 振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led) 显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
292.此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、 专用asic(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。 这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计 算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处 理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至 少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个 输入装置、和该至少一个输出装置。
293.这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的 机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来 实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指 的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和 /或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为 机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器 指令和/或数据提供给可编程处理器的任何信号。
294.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机 具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶 显示器)监
视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过 该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户 的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听 觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉 输入)来接收来自用户的输入。
295.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据 服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部 件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通 过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、 或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以 通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。 通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
296.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通 过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的 计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服 务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps 服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱 的缺陷。
297.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。 例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序 执行，只要能够实现本技术公开的技术方案所期望的结果，本文在此不进行限制。
298.上述具体实施方式，并不构成对本技术保护范围的限制。本领域技术人员应该明 白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何 在本技术的精神和原则之内所作的修改、等同替换和改进等，均应包含在本技术保护 范围之内。