(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211364967.9 (22)申请日 2022.11.03 (71)申请人 荣耀终端 有限公司 地址 518040 广东省深圳市福田区香蜜湖 街道东海社区红荔西路8089号深业中 城6号楼A单元3401 (72)发明人 邢一博　姚祎　 (74)专利代理 机构 北京弘权知识产权代理有限 公司 11363 专利代理师 朱紫晓　孙亚芹 (51)Int.Cl. G06V 10/82(2022.01) G06V 40/10(2022.01) G06V 10/774(2022.01) G06V 10/26(2022.01)G06T 7/11(2017.01) G06T 5/00(2006.01) (54)发明名称 一种神经网络训练方法、 图像处理方法及装 置 (57)摘要 本申请实施例提供一种神经网络训练方法、 图像处理方法及装置， 该神经网络训练方法中， 首先确定需要处理的训练图像和处理后的目标 图像， 然后确定训练图像对应的第一灰度图像， 再通过待训练的神经网络对训练图像和第一灰 度图像进行处理， 确定训练图像对应的预测图 像， 再通过预测图像和目标图像， 确定待训练的 神经网络进行图像处理的损失， 然后通过损失， 调整待训练的神经网络的参数， 直至满足预设条 件， 满足预设条件的神经网络为训练后的神经网 络。 通过本申请实施例提供的神经网络进行图像 处理， 能够使处理后的 图像更符合审美自然的要 求， 减少现有的图像处理技术存在的失真的问 题， 使处理后的图像具有较为自然的显示效果， 符合自然美学。 权利要求书3页 说明书19页 附图7页 CN 115424118 A 2022.12.02 CN 115424118 A 1.一种神经网络训练方法， 其特 征在于， 包括： 确定需要处理的训练图像和处理后的目标图像， 所述训练图像和所述目标图像中包含 同一人像； 确定所述训练图像对应的第 一灰度图像， 所述第 一灰度图像为提取所述训练图像的明 亮度分量后的图像； 通过待训练的神经网络对所述训练图像和所述第 一灰度图像进行处理， 确定所述训练 图像对应的预测图像； 通过所述预测图像和所述目标图像， 确定所述待训练的神经网络进行图像处理的损 失； 通过所述损失， 调整所述待训练的神经网络的参数， 直至满足预设条件， 满足所述预设 条件的神经网络为训练后的神经网络， 所述训练后的神经网络用于进行图像处 理。 2.根据权利要求1所述的方法， 其特征在于， 所述通过待训练的神经网络对所述训练图 像和所述第一灰度图像进行处 理， 确定所述训练图像对应的预测图像， 包括： 通过对所述训练图像进行语义分割， 获取所述训练图像的第 一分割部分和第 二分割部 分， 所述第一分割部分包括所述人像的皮肤部分， 所述第二分割部分包括所述人像的任意 一个五官部分； 通过对所述第 一灰度图像进行语义分割， 获取所述第 一灰度图像的第 三分割部分和第 四分割部分， 所述第三分割部分包括所述人像的皮肤部分， 所述第四分割部分包括所述人 像的任意一个五官部分， 并且所述第二分割部分和所述第四分割部分包括的五官部分相 同； 将所述第一分割部分、 第二分割部分、 第三分割部分和第 四分割部分输入至待训练的 神经网络； 确定所述神经网络的输出为所述预测图像。 3.根据权利要求1或2所述的方法， 其特 征在于， 所述损失包括中性灰图层损失； 所述通过所述预测图像和所述目标图像， 确定所述待训练 的神经网络进行图像处理 的 损失， 包括： 获取所述预测图像对应的第 一中性灰图层， 以及获取所述目标图像对应的第 二中性灰 图层； 基于所述第一中性灰图层和所述第二中性灰图层， 计算所述中性灰图层损失。 4.根据权利要求1或2所述的方法， 其特 征在于， 所述损失包括颜色损失； 所述通过所述预测图像和所述目标图像， 确定所述待训练 的神经网络进行图像处理 的 损失， 包括： 获取所述预测图像对应的第一颜色图像， 以及所述目标图像对应的第二颜色图像， 所 述第一颜色图像为提取所述预测图像中的明亮度分量后得到的图像， 所述第二颜色图像为 提取所述目标图像中的明亮度分量后得到的图像； 通过分别对所述第 一颜色图像和所述第 二颜色图像进行下采样， 获取所述第 一颜色图 像对应的第一下采样图像， 以及所述第二颜色图像对应的第二下采样图像；权　利　要　求　书 1/3 页 2 CN 115424118 A 2基于所述第一下采样图像和所述第二下采样图像， 计算所述颜色损失。 5.根据权利要求1或2所述的方法， 其特 征在于， 所述损失包括 一致性损失； 所述通过所述预测图像和所述目标图像， 确定所述待训练 的神经网络进行图像处理 的 损失， 包括： 通过分别对所述预测图像和所述目标图像进行裁剪， 获取所述预测图像的第一区域， 以及获取 所述目标图像的第二区域， 所述第一区域和所述第二区域对应的语义相同； 基于所述第一区域和所述第二区域， 计算所述 一致性损失。 6.根据权利要求1或2所述的方法， 其特 征在于， 所述损失包括感知损失； 所述通过所述预测图像和所述目标图像， 确定所述待训练 的神经网络进行图像处理 的 损失， 包括： 将所述预测图像和所述目标图像输入至感知损失计算网络； 基于所述感知损失计算网络的输出， 确定所述感知损失。 7.根据权利要求1或2所述的方法， 其特 征在于， 所述损失包括对抗损失； 所述通过所述预测图像和所述目标图像， 确定所述待训练 的神经网络进行图像处理 的 损失， 包括： 将所述预测图像和所述目标图像输入至判别器； 基于所述判别器的输出， 确定所述对抗损失。 8.根据权利要求1或2所述的方法， 其特征在于， 所述通过所述预测图像和所述目标图 像， 确定所述待训练的神经网络进行图像处 理的损失， 包括： 所述待训练的神经网络进行图像处理 的损失包括两种以上时， 确定各种所述损失分别 对应的权 重； 对各种所述损失和所述损失分别对应的权重进行加权计算， 加权计算的结果为所述待 训练的神经网络进行图像处 理的损失。 9.根据权利要求1或2所述的方法， 其特 征在于， 所述预设条件 包括： 调整所述待训练的神经网络的参数的次数达 到第一次数阈值； 或者， 所述预设条件 包括： 所述损失小于第一损失阈值。 10.一种图像处 理方法， 其特 征在于， 包括： 获取待处 理图像； 利用训练后的神经网络对所述待处理图像进行图像处理， 获取处理后的图像， 所述神 经网络通过权利要求1至9任一项所述的神经网络训练方法进行训练。 11.一种神经网络训练装置， 其特 征在于， 包括： 第一图像确定模块， 用于确定需要处理的训练图像和 处理后的目标图像， 所述训练图 像和所述目标图像中包 含同一人像； 第二图像确定模块， 用于确定所述训练图像对应的第一灰度图像， 所述第一灰度图像 为提取所述训练图像的明亮度分量后的图像； 图像处理模块， 用于通过待训练的神经网络对所述训练图像和所述第 一灰度图像进行权　利　要　求　书 2/3 页 3 CN 115424118 A 3