CN110136054A - 图像处理方法和装置 - Google Patents
图像处理方法和装置 Download PDFInfo
- Publication number
- CN110136054A CN110136054A CN201910409754.5A CN201910409754A CN110136054A CN 110136054 A CN110136054 A CN 110136054A CN 201910409754 A CN201910409754 A CN 201910409754A CN 110136054 A CN110136054 A CN 110136054A
- Authority
- CN
- China
- Prior art keywords
- image
- sample
- eyes
- processed
- eyes image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims description 19
- 238000012545 processing Methods 0.000 claims abstract description 137
- 230000001815 facial effect Effects 0.000 claims abstract description 118
- 238000000034 method Methods 0.000 claims abstract description 50
- 238000012549 training Methods 0.000 claims description 63
- 230000008569 process Effects 0.000 claims description 22
- 210000000744 eyelid Anatomy 0.000 claims description 19
- 241000255789 Bombyx mori Species 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 9
- 238000013507 mapping Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000005291 magnetic effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本公开的实施例公开了图像处理的方法和装置。该方法的一具体实施方式包括:从所获取的待处理人脸图像中确定出待处理眼部图像;将待处理眼部图像输入至预先训练的图像处理模型中,得到处理后眼部图像,其中,图像处理模型用于对待处理眼部图像中与预设眼部对象对应的区域进行处理;将待处理人脸图像中的待处理眼部图像替换为处理后眼部图像,以生成处理后人脸图像。该实施方式实现了有针对性地对待处理人脸图像添加或者去除预设眼部对象。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及图像处理方法和装置。
背景技术
各种美妆应用(Application,APP)中,通常会涉及到对用户上传的人脸图像进行美妆,例如在人脸图像中添加双眼皮或者卧蚕。
目前,为实现在人脸图像中添加双眼皮或者卧蚕,主要通过预先设置的贴图来实现。具体地,先确定人脸图像中眼睛部位所在的位置,然后根据眼睛部位所在的位置,将预先设置的贴图放置在人脸图像中相应的位置。
发明内容
本公开的实施例提出了图像处理方法和装置。
第一方面,本公开的实施例提供了一种图像处理方法,该方法包括:从所获取的待处理人脸图像中确定出待处理眼部图像;将待处理眼部图像输入至预先训练的图像处理模型中,得到处理后眼部图像,其中,图像处理模型用于对待处理眼部图像中与预设眼部对象对应的区域进行处理;将待处理人脸图像中的待处理眼部图像替换为处理后眼部图像,以生成处理后人脸图像。
在一些实施例中,上述预设眼部对象包括以下至少一者:双眼皮,卧蚕。
在一些实施例中,上述图像处理模型利用样本集合训练得到,上述样本集合中的样本为包括样本第一图像和样本第二图像的图像对,样本第一图像中预设眼部对象对应的区域中不存在预设眼部对象,样本第二图像中预设眼部对象对应的区域中存在预设眼部对象。
在一些实施例中,上述图像处理模型通过如下步骤训练得到:将样本集合中的样本所包括的样本第一图像作为初始模型的输入,将与输入的样本第一图像对应的样本第二图像作为初始模型的期望输出,训练得到图像处理模型。
在一些实施例中,上述图像处理模型通过如下步骤训练得到:将样本集合中的样本所包括的样本第二图像作为初始模型的输入,将与输入的样本第二图像对应的样本第一图像作为初始模型的期望输出,训练得到图像处理模型。
在一些实施例中,上述样本集合中的样本通过如下步骤得到:从所获取的第一人脸图像集合中的第一人脸图像中裁剪眼部图像,得到第一眼部图像集合;对第一眼部图像集合中的第一眼部图像进行水平翻转,得到第二眼部图像集合;从第一眼部图像集合和第二眼部图像集合中选取预设眼部对象对应的区域中不存在预设眼部对象的眼部图像,得到第三眼部图像集合;将第三眼部图像集合中的第三眼部图像输入至预先训练的样本处理模型中,得到第四眼部图像集合,其中,样本处理模型用于对第三眼部图像添加预设眼部对象;基于从第四眼部图像集合中选取的第四眼部图像和从第三眼部图像集合中选取的相对应的第三眼部图像,生成样本集合中的样本。
在一些实施例中,上述从所获取的待处理人脸图像中确定出待处理眼部图像,包括:基于对所获取的待处理人脸图像提取的关键点,从待处理人脸图像中裁剪预设尺寸的待处理眼部图像。
在一些实施例中,上述方法还包括:将处理后人脸图像发送至通信连接的终端设备,以使终端设备显示处理后人脸图像。
第二方面,本公开的实施例提供了一种图像处理装置,该装置包括:确定单元,被配置成从所获取的待处理人脸图像中确定出待处理眼部图像;处理单元,被配置成将待处理眼部图像输入至预先训练的图像处理模型中,得到处理后眼部图像,其中,图像处理模型用于对待处理眼部图像中与预设眼部对象对应的区域进行处理;生成单元,被配置成将待处理人脸图像中的待处理眼部图像替换为处理后眼部图像,以生成处理后人脸图像。
在一些实施例中,上述预设眼部对象包括以下至少一者:双眼皮,卧蚕。
在一些实施例中,上述图像处理模型利用样本集合训练得到,上述样本集合中的样本为包括样本第一图像和样本第二图像的图像对,样本第一图像中预设眼部对象对应的区域中不存在预设眼部对象,样本第二图像中预设眼部对象对应的区域中存在预设眼部对象。
在一些实施例中,上述图像处理模型通过如下步骤训练得到:将样本集合中的样本所包括的样本第一图像作为初始模型的输入,将与输入的样本第一图像对应的样本第二图像作为初始模型的期望输出,训练得到图像处理模型。
在一些实施例中,上述图像处理模型通过如下步骤训练得到:将样本集合中的样本所包括的样本第二图像作为初始模型的输入,将与输入的样本第二图像对应的样本第一图像作为初始模型的期望输出,训练得到图像处理模型。
在一些实施例中,上述样本集合中的样本通过如下步骤得到:从所获取的第一人脸图像集合中的第一人脸图像中裁剪眼部图像,得到第一眼部图像集合;对第一眼部图像集合中的第一眼部图像进行水平翻转,得到第二眼部图像集合;从第一眼部图像集合和第二眼部图像集合中选取预设眼部对象对应的区域中不存在预设眼部对象的眼部图像,得到第三眼部图像集合;将第三眼部图像集合中的第三眼部图像输入至预先训练的样本处理模型中,得到第四眼部图像集合,其中,样本处理模型用于对第三眼部图像添加预设眼部对象;基于从第四眼部图像集合中选取的第四眼部图像和从第三眼部图像集合中选取的相对应的第三眼部图像,生成样本集合中的样本。
在一些实施例中,上述确定单元,进一步被配置成:基于对所获取的待处理人脸图像提取的关键点,从待处理人脸图像中裁剪预设尺寸的待处理眼部图像。
在一些实施例中,上述装置还包括:发送单元,被配置成将处理后人脸图像发送至通信连接的终端设备,以使终端设备显示处理后人脸图像。
第三方面,本公开的实施例提供了一种服务器,该服务器包括:一个或多个处理器;存储装置,其上存储有一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的图像处理方法和装置,首先,可以获取待处理人脸图像;然后,可以从所获取的待处理人脸图像中确定出待处理眼部图像;而后,可以将所确定的待处理眼部图像输入至预先训练的图像处理模型中,得到处理后眼部图像;进一步,可以将待处理人脸图像中的待处理眼部图像替换为所得到的处理后眼部图像,生成处理后人脸图像。从而,实现了有针对性地对待处理人脸图像添加或者去除预设眼部对象。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性***架构图;
图2是根据本公开的图像处理方法的一个实施例的流程图;
图3是根据本公开的实施例的图像处理方法的一个应用场景的示意图;
图4是根据本公开的图像处理方法的又一个实施例的流程图;
图5是根据本公开的图像处理装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的图像处理方法或图像处理装置的示例性架构100。
如图1所示,***架构100可以包括终端设备101、102,网络103和服务器104。网络103用以在终端设备101、102和服务器104之间提供通信链路的介质。网络103可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102通过网络103与服务器104交互,以接收或发送消息等。终端设备101、102上可以安装有各种通讯客户端应用,例如图像处理类应用、美妆类应用、浏览器类应用等。
终端设备101、102可以是硬件,也可以是软件。当终端设备101、102为硬件时,可以是具有显示屏并且支持图像处理的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102为软件时,可以安装在上述所列举的电子设备中,其可以实现成多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
服务器104可以是提供各种服务的服务器。作为示例,服务器104可以是终端设备101、102上所安装的美妆应用的后台服务器。服务器104可以获取终端设备101、102发送的待处理人脸图像,而后对该待处理人脸图像进行处理,从而将所生成的处理后人脸图像发送至终端设备101、102。
服务器104可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是,本公开的实施例所提供的图像处理方法一般由服务器104执行,相应地,图像处理装置一般设置于服务器104中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本公开的图像处理方法的一个实施例的流程200。该图像处理方法包括以下步骤:
步骤201,从所获取的待处理人脸图像中确定出待处理眼部图像。
在本实施例中,图像处理方法的执行主体(如图1所示的服务器104)可以从本地或者通信连接的终端设备(如图1所示的终端设备101、102)获取待处理人脸图像。此处,待处理人脸图像通常是显示有人脸的图像。
在本实施例中,获取待处理人脸图像之后,上述执行主体可以从该待处理人脸图像中确定出待处理眼部图像。在这里,待处理眼部图像通常是上述待处理人脸图像中显示有人的眼睛部位的图像。需要说明的是,所确定的待处理眼部图像可以是仅显示有人的左眼或者右眼的图像,还可以是同时显示有人的左眼和右眼的图像。
作为示例,上述执行主体中可以预先存储有针对平均眼部图像所提取的特征。其中,平均眼部图像可以是对大量的眼部图像中相应像素点的像素值求平均值,所得到的图像。首先,上述执行主体可以使用预设滑动窗口在上述待处理人脸图像中滑动,然后,可以将针对滑动窗口所在的区域提取的特征与所获取的上述特征计算相似度,而后,可以将相似度最大的区域确定为待处理眼部图像。
在本实施例的一些可选的实现方式中,上述执行主体可以基于对所获取的待处理人脸图像提取的关键点,从该待处理人脸图像中裁剪预设尺寸的待处理眼部图像。
首先,上述执行主体可以对所获取的待处理人脸图像提取关键点。通常,提取的关键点可以包括针对待处理人脸图像中显示的眼睛部位的轮廓提取的关键点。当然,提取关键点还可以包括针对待处理人脸图像中显示的人脸的其他部位(例如,人脸轮廓、瞳孔)提取的关键点。
然后,上述执行主体可以根据所提取的关键点,确定眼睛部位在待处理人脸图像中的大致位置。进而,可以从待处理人脸图像中裁剪出包括眼睛部位的预设尺寸的图像,作为待处理眼部图像。此处,预设尺寸可以根据实际需求进行设定,此处不再赘述。
在这些实现方式中,通过针对待处理人脸图像中显示的眼睛部位提取的关键点,一方面可以准确定位眼睛部位所在的位置,进而实现准确裁剪待处理眼部图像,另一方面可以避免滑动窗口的多次滑动和多次针对滑动窗口所在的区域提取特征,进而缩短确定待处理眼部图像的时间。
步骤202,将待处理眼部图像输入至预先训练的图像处理模型中,得到处理后眼部图像。
在本实施例中,确定出待处理眼部图像之后,上述执行主体可以将该待处理眼部图像输入至预先训练的图像处理模型中,得到处理后眼部图像。其中,上述图像处理模型可以用于对待处理眼部图像中与预设眼部对象对应的区域进行处理。
上述与预设眼部对象对应的区域可以是上述待处理眼部图像中用于添加或者去除预设眼部对象的区域。可选的,上述预设眼部对象可以包括双眼皮和卧蚕中的至少一者。相应地,与预设眼部对象对应的区域可以是上述待处理眼部图像中用于添加或者去除双眼皮和卧蚕中的至少一者的区域。通常,用于添加双眼皮的区域可以是与待处理眼部图像中显示的上眼皮较为接近的区域,用于添加卧蚕的区域可以是与待处理眼部图像中显示的下眼皮较为接近的区域。
上述图像处理模型可以是技术人员预先存储于上述执行主体的对应关系表。该对应关系表可以由技术人员对预先搜集的大量的眼部图像进行处理得到。具体地,技术人员可以在眼部图像中添加预设眼部对象,或者去除眼部图像中所显示的预设眼部对象。实践中,该对应关系表中,眼部图像和该眼部图像处理后所得到的图像一一对应。可以理解,眼部图像处理后所得到的图像可以是在该眼部图像中添加预设眼部对象后所得到的图像,或者是去除该眼部图像中所显示的预设眼部对象后所得到的图像。
作为示例,上述执行主体可以将所确定的待处理眼部图像输入至上述对应关系表中,与该对应关系表中的眼部图像进行相似度匹配,而后可以获取对应关系表中与相似度最大的眼部图像相对应的图像作为处理后眼部图像。可以理解,相比于待处理眼部图像,处理后眼部图像添加或者去除了预设眼部对象。
在本实施例的一些可选的实现方式中,上述图像处理模型还可以是利用样本集合训练得到的机器学习模型。其中,上述样本集合中的样本可以为包括样本第一图像和样本第二图像的图像对。样本第一图像中预设眼部对象对应的区域中不存在预设眼部对象,样本第二图像中预设眼部对象对应的区域中存在预设眼部对象。
在本实施例的一些可选的实现方式中,在上述样本集合的基础上,可以将上述样本集合中的样本所包括的样本第一图像作为初始模型的输入,将与输入的样本第一图像对应的样本第二图像作为初始模型的期望输出,训练得到图像处理模型。
上述初始模型可以是用于对眼部图像进行处理的对抗生成网络(GenerativeAdversarial Nets,GAN),例如Pix2Pix(Pix为Pixel的缩写,像素)模型。需要说明的是,在初始模型训练的过程中,同一个样本中,作为输入的样本第一图像和作为期望输出的样本第二图像,除了与预设眼部对象对应的区域之外,其他区域的差异很小。
上述图像处理模型的训练步骤具体如下述步骤S1到步骤S5所描述。
步骤S1,将从样本集合中选取的样本所包括的样本第一图像输入至初始模型,得到输入的样本第一图像的处理后眼部图像。
步骤S2,利用预设的损失函数计算所得到的处理后眼部图像与输入的样本第一图像之间的差异程度,以及利用正则化项计算初始模型的复杂度。
上述预设的损失函数可以是根据实际需求选取的以下至少一类损失函数:0-1损失函数,绝对值损失函数,平方损失函数,指数损失函数,对数损失函数,合页损失函数等。上述正则化项可以是根据实际需求选取的以下任意一种范数:L0范数,L1范数,L2范数,迹范数,核范数等。
步骤S3,根据计算所得的差异程度和模型的复杂度,调整初始模型的结构参数。
实践中,可以采用以下任意一种算法调整初始模型的结构参数:BP(BackPropgation,反向传播)算法,GD(Gradient Descent,梯度下降)算法等。
步骤S4,响应于达到预设的训练结束条件,训练上述图像处理模型的执行主体可以确定初始模型训练完成,以及将训练完成的初始模型确定为图像处理模型。
上述预设的训练结束条件可以包括以下至少一项:训练时间超过预设时长;训练次数超过预设次数;计算所得的差异程度小于预设的差异阈值。
步骤S5,响应于未达到上述预设的训练结束条件,训练上述图像处理模型的执行主体可以从样本集合中选取未选取过的样本,以及使用调整后的初始模型作为初始模型,继续执行上述训练步骤。
需要说明的是,训练上述图像处理模型的执行主体与图像处理的执行主体可以相同,也可以不同。若二者相同,训练上述图像处理模型的执行主体可以将训练完成的图像处理模型的结构信息和参数值存储在本地。若二者不同,训练上述图像处理模型的执行主体可以将训练完成的图像处理模型的结构信息和参数值发送至图像处理的执行主体。
通过上述分析可知,样本第一图像中未显示有预设眼部对象,样本第二图像中显示有预设眼部对象,且在训练上述图像处理模型的过程中,以样本所包括的样本第一图像为初始模型的输入,以样本所包括的样本第二图像为初始模型的期望输出。因此,当待处理眼部图像中未显示有预设眼部对象时,训练得到的图像处理模型可以用于在待处理眼部图像中与预设眼部对象对应的区域添加预设眼部对象。由此实现通过机器学习方法训练得到的模型,在待处理眼部图像中添加预设眼部对象,例如,添加双眼皮和卧蚕中的至少一者。
在本实施例的一些可选的实现方式中,在上述样本集合的基础上,可以将样本集合中的样本所包括的样本第二图像作为初始模型的输入,将与输入的样本第二图像对应的样本第一图像作为初始模型的期望输出,训练得到图像处理模型。
此处,与上述可选的实现方式的区别在于,在训练图像处理模型的过程中,初始模型的输入和期望输出相反。由此,训练得到的图像处理模型可以用于去除待处理眼部图像中的预设眼部对象。进而实现通过机器学习方法训练得到的模型,去除待处理眼部图像中所显示的预设眼部对象,例如去除所显示的双眼皮和卧蚕中的至少一者。
在本实施例的一些可选的实现方式中,用于训练上述图像处理模型的样本可以通过如下步骤得到。
第一步,从所获取的第一人脸图像集合中的第一人脸图像中裁剪眼部图像,得到第一眼部图像集合。
训练图像处理模型的执行主体可以从本地或者通信连接数据库中获取第一人脸图像集合。其中,第一人脸图像通常是显示有人脸的图像。
获取第一人脸图像集合之后,训练图像处理模型的执行主体可以从每张第一人脸图像或者部分第一人脸图像中裁剪眼部图像,进而得到第一眼部图像集合。可以理解,第一眼部图像即为从第一人脸图像中裁剪出的眼部图像。
第二步,对第一眼部图像集合中的第一眼部图像进行水平翻转,得到第二眼部图像集合。
得到第一眼部图像集合之后,训练图像处理模型的执行主体可以对每张或者部分第一眼部图像进行水平翻转,进而得到第二眼部图像集合。可以理解,第二眼部图像即为第一眼部图像翻转后所得到的图像。
此处,对第一眼部图像水平翻转,通常是指以纵轴为基准,对第一眼部图像进行对称。例如,将显示有人的左眼的第一眼部图像翻转之后,可以得到显示有人的右眼的第二眼部图像。可以理解,通过对第一眼部图像进行翻转,可以增加训练图像处理模型的样本的数量。
第三步,从第一眼部图像集合和第二眼部图像集合中选取预设眼部对象对应的区域中不存在预设眼部对象的眼部图像,得到第三眼部图像集合。
通常,训练图像处理模型的执行主体可以通过预先训练的图像分类模型,从第一眼部图像集合和第二眼部图像集合中,划分出显示有预设眼部对象的眼部图像和未显示预设眼部对象的眼部图像。由此,训练图像处理模型的执行主体可以随机选取未显示预设眼部对象的眼部图像,得到第三眼部图像集合。可以理解,第三眼部图像即为所选取的未显示预设眼部对象的眼部图像。
需要说明的是,上述图像分类模型可以是通过卷积神经网络构建的图像分类模型,此处不再赘述。
第四步,将第三眼部图像集合中的第三眼部图像输入至预先训练的样本处理模型中,得到第四眼部图像集合。其中,样本处理模型用于对第三眼部图像添加预设眼部对象。可以理解,第四眼部图像即为对第三眼部图像添加预设眼部对象之后所得到的图像。也就是说,第四眼部图像和第三眼部图像中,除了与预设眼部对象对应的区域之外,其他区域的差异很小。
需要说明的是,训练样本处理模型的初始模型也可以是用于对眼部图像进行处理的对抗生成网络,例如CycleGAN(Cycle Generative Adversarial Nets,循环对抗生成网络)。与训练图像处理模型的初始模型不同的是,在训练的过程中,同一个样本中,作为输入的图像和作为期望输出的图像之间通常存在较大的差异,二者所显示的眼睛部位通常来自不同的人脸。上述样本处理模型的训练过程与图像处理模型的训练过程类似,此处不再赘述。
第五步,基于从第四眼部图像集合中选取的第四眼部图像和从第三眼部图像集合中选取的相对应的第三眼部图像,生成样本集合中的样本。
得到第四眼部图像集合之后,训练图像处理模型的执行主体可以从中随机选取第四眼部图像或者根据用户的操作选取第四眼部图像。此外,训练图像处理模型的执行主体还可以从第三眼部图像集合中选取与所选取的第四眼部图像相对应的第三眼部图像。在这里,与所选取的第四眼部图像相对应的第三眼部图像,即为由样本处理模型处理后可以得到该第四眼部图像的第三眼部图像。
选取第四眼部图像和与之相对应的第三眼部图像之后,训练图像处理模型的执行主体可以将二者组合为一个样本。由此,通过多次选取,可以得到样本集合。从而,丰富了生成用于训练上述图像处理模型的样本的方法。需要说明的是,实践中,也可以从第一眼部图像集合和第二眼部图像集合中选取预设眼部对象对应的区域中存在预设眼部对象的眼部图像,而后通过样本处理模型去除所选取的眼部图像中显示的预设眼部对象,从而采用类似上述第五步中的方法,得到用于训练上述图像处理模型的样本。
步骤203,将待处理人脸图像中的待处理眼部图像替换为处理后眼部图像,以生成处理后人脸图像。
在本实施例中,得到处理后眼部图像之后,上述执行主体可以将上述待处理人脸图像中的待处理眼部图像替换为处理后眼部图像,进而生成处理后人脸图像。通常,待处理人脸图像中显示的人脸具有一定的偏移角度,相应地,待处理人脸图像中的待处理眼部图像与待处理人脸图像之间存在角度偏差。由此,上述执行主体可以先通过仿射变换对处理后眼部图像旋转一定的角度,而后再将待处理人脸图像中的待处理眼部图像替换为处理后眼部图像。
继续参见图3,图3是根据本实施例的图像处理方法的应用场景的一个示意图。在图3的应用场景中,首先,服务器301可以从通信连接的终端设备(图中未示出)获取待处理人脸图像302。然后,服务器301可以从待处理人脸图像302中确定出待处理眼部图像303和待处理眼部图像304。之后,服务器301可以将所确定的待处理眼部图像303和待处理眼部图像304分别输入至图像处理模型305中,分别得到处理后眼部图像306和处理后眼部图像307。而后,服务器301可以将待处理人脸图像302中的待处理眼部图像分别替换为所得到的处理后眼部图像306和处理后眼部图像307,由此生成处理后人脸图像。
目前,在对人脸图像中添加双眼皮或者卧蚕方面,现有技术之一,如本公开背景技术中所描述的,通过预先设置的贴图来实现。可见,该方法对不同的人脸图像不具备针对性。通常,不同的人脸图像中显示的眼睛部位之间的差异较大。此外,将预先设置的贴图放置在人脸图像中,往往会造成与人脸图像中的眼睛部位的比例不协调。而本公开的上述实施例提供的方法,可以通过预先训练的图像处理模型,对不同的待处理人脸图像进行相应的处理,实现有针对性地在待处理人脸图像中添加双眼皮或者卧蚕,进而避免待处理人脸图像中所添加的双眼皮或者卧蚕与眼睛部位之间的不协调。另外,本公开的上述实施例提供的方法,还可以实现有针对性地去除待处理人脸图像中所显示的双眼皮或者卧蚕。
进一步参考图4,其示出了图像处理方法的又一个实施例的流程400。该图像处理方法的流程400,包括以下步骤:
步骤401,从所获取的待处理人脸图像中确定出待处理眼部图像。
在本实施例中,图像处理方法的执行主体(如图1所示的服务器104)可以获取通信连接的终端设备发送的人脸图像,作为待处理人脸图像。
步骤402,将待处理眼部图像输入至预先训练的图像处理模型中,得到处理后眼部图像。
步骤403,将待处理人脸图像中的待处理眼部图像替换为处理后眼部图像,以生成处理后人脸图像。
上述步骤401、步骤402、步骤403可以分别按照如图2所示实施例中的步骤201、步骤202、步骤203类似的方式执行,上文针对步骤201、步骤202、步骤203的描述也适用于步骤401、步骤402、步骤403,此处不再赘述。
步骤404,将处理后人脸图像发送至通信连接的终端设备,以使终端设备显示处理后人脸图像。
在本实施例中,上述执行主体可以将所生成的处理后人脸图像发送至通信连接的终端设备(如图1所示的终端设备101、102)。通常,接收到上述执行主体发送的处理后人脸图像之后,上述终端设备可以对该处理后人脸图像进行显示。
从图4中可以看出,与图2对应的实施例相比,本实施例中的图像处理方法的流程400体现了将处理后人脸图像发送至通信连接的终端设备的步骤。由此,本实施例描述的方案,当终端设备将本地或者其上安装的摄像头所拍摄的人脸图像发送至上述执行主体之后,上述执行主体可以返回针对该人脸图像所生成的处理后人脸图像。从而实现对用户上传的人脸图像添加双眼皮和卧蚕中的至少一者,或者去除用户上传的人脸图像中的双眼皮和卧蚕中的至少一者。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了图像处理装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例提供的图像处理装置500包括确定单元501、处理单元502和生成单元503。其中,确定单元501,可以被配置成:从所获取的待处理人脸图像中确定出待处理眼部图像。处理单元502,可以被配置成:将待处理眼部图像输入至预先训练的图像处理模型中,得到处理后眼部图像,图像处理模型用于对待处理眼部图像中与预设眼部对象对应的区域进行处理。生成单元503,可以被配置成:将待处理人脸图像中的待处理眼部图像替换为处理后眼部图像,以生成处理后人脸图像。
在本实施例中,图像处理装置500中:确定单元501、处理单元502和生成单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202和步骤203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述预设眼部对象可以包括以下至少一者:双眼皮,卧蚕。
在本实施例的一些可选的实现方式中,上述图像处理模型可以利用样本集合训练得到,其中,样本集合中的样本可以为包括样本第一图像和样本第二图像的图像对,样本第一图像中预设眼部对象对应的区域中不存在预设眼部对象,样本第二图像中预设眼部对象对应的区域中存在预设眼部对象。
在本实施例的一些可选的实现方式中,上述图像处理模型可以通过如下步骤训练得到:将样本集合中的样本所包括的样本第一图像作为初始模型的输入,将与输入的样本第一图像对应的样本第二图像作为初始模型的期望输出,训练得到图像处理模型。
在本实施例的一些可选的实现方式中,上述图像处理模型可以通过如下步骤训练得到:将样本集合中的样本所包括的样本第二图像作为初始模型的输入,将与输入的样本第二图像对应的样本第一图像作为初始模型的期望输出,训练得到图像处理模型。
在本实施例的一些可选的实现方式中,上述样本集合中的样本可以通过如下步骤得到:从所获取的第一人脸图像集合中的第一人脸图像中裁剪眼部图像,得到第一眼部图像集合;对第一眼部图像集合中的第一眼部图像进行水平翻转,得到第二眼部图像集合;从第一眼部图像集合和第二眼部图像集合中选取预设眼部对象对应的区域中不存在预设眼部对象的眼部图像,得到第三眼部图像集合;将第三眼部图像集合中的第三眼部图像输入至预先训练的样本处理模型中,得到第四眼部图像集合,其中,样本处理模型用于对第三眼部图像添加预设眼部对象;基于从第四眼部图像集合中选取的第四眼部图像和从第三眼部图像集合中选取的相对应的第三眼部图像,生成样本集合中的样本。
在本实施例的一些可选的实现方式中,上述确定单元501,可以进一步被配置成:基于对所获取的待处理人脸图像提取的关键点,从待处理人脸图像中裁剪预设尺寸的待处理眼部图像。
在本实施例的一些可选的实现方式中,上述装置500还可以包括:发送单元(图中未示出)。其中,上述发送单元,可以被配置成:将处理后人脸图像发送至通信连接的终端设备,以使终端设备显示处理后人脸图像。
本公开的上述实施例提供的装置,首先,可以通过确定单元501,从所获取的待处理人脸图像中确定出待处理眼部图像;然后,可以通过处理单元502,将所确定的待处理眼部图像输入至预先训练的图像处理模型中,得到处理后眼部图像;而后,可以通过生成单元503,将待处理人脸图像中的待处理眼部图像替换为所得到的处理后眼部图像,生成处理后人脸图像。从而,实现了有针对性地对待处理人脸图像添加或者去除预设眼部对象。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述服务器中所包含的;也可以是单独存在,而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该服务器:从所获取的待处理人脸图像中确定出待处理眼部图像;将待处理眼部图像输入至预先训练的图像处理模型中,得到处理后眼部图像,其中,图像处理模型用于对待处理眼部图像中与预设眼部对象对应的区域进行处理;将待处理人脸图像中的待处理眼部图像替换为处理后眼部图像,以生成处理后人脸图像。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器,包括确定单元、处理单元和生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,确定单元还可以被描述为“从所获取的待处理人脸图像中确定出待处理眼部图像的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (18)
1.一种图像处理方法,包括:
从所获取的待处理人脸图像中确定出待处理眼部图像;
将所述待处理眼部图像输入至预先训练的图像处理模型中,得到处理后眼部图像,其中,所述图像处理模型用于对所述待处理眼部图像中与预设眼部对象对应的区域进行处理;
将所述待处理人脸图像中的待处理眼部图像替换为所述处理后眼部图像,以生成处理后人脸图像。
2.根据权利要求1所述的方法,其中,所述预设眼部对象包括以下至少一者:双眼皮,卧蚕。
3.根据权利要求1所述的方法,其中,所述图像处理模型利用样本集合训练得到,所述样本集合中的样本为包括样本第一图像和样本第二图像的图像对,样本第一图像中所述预设眼部对象对应的区域中不存在所述预设眼部对象,样本第二图像中所述预设眼部对象对应的区域中存在所述预设眼部对象。
4.根据权利要求3所述的方法,其中,所述图像处理模型通过如下步骤训练得到:
将所述样本集合中的样本所包括的样本第一图像作为初始模型的输入,将与输入的样本第一图像对应的样本第二图像作为初始模型的期望输出,训练得到所述图像处理模型。
5.根据权利要求3所述的方法,其中,所述图像处理模型通过如下步骤训练得到:
将所述样本集合中的样本所包括的样本第二图像作为初始模型的输入,将与输入的样本第二图像对应的样本第一图像作为初始模型的期望输出,训练得到所述图像处理模型。
6.根据权利要求3所述的方法,其中,所述样本集合中的样本通过如下步骤得到:
从所获取的第一人脸图像集合中的第一人脸图像中裁剪眼部图像,得到第一眼部图像集合;
对所述第一眼部图像集合中的第一眼部图像进行水平翻转,得到第二眼部图像集合;
从所述第一眼部图像集合和所述第二眼部图像集合中选取所述预设眼部对象对应的区域中不存在所述预设眼部对象的眼部图像,得到第三眼部图像集合;
将所述第三眼部图像集合中的第三眼部图像输入至预先训练的样本处理模型中,得到第四眼部图像集合,其中,所述样本处理模型用于对第三眼部图像添加所述预设眼部对象;
基于从所述第四眼部图像集合中选取的第四眼部图像和从所述第三眼部图像集合中选取的相对应的第三眼部图像,生成所述样本集合中的样本。
7.根据权利要求1所述的方法,其中,所述从所获取的待处理人脸图像中确定出待处理眼部图像,包括:
基于对所获取的待处理人脸图像提取的关键点,从所述待处理人脸图像中裁剪预设尺寸的待处理眼部图像。
8.根据权利要求1-7中任一所述的方法,其中,所述方法还包括:
将所述处理后人脸图像发送至通信连接的终端设备,以使所述终端设备显示所述处理后人脸图像。
9.一种图像处理装置,包括:
确定单元,被配置成从所获取的待处理人脸图像中确定出待处理眼部图像;
处理单元,被配置成将所述待处理眼部图像输入至预先训练的图像处理模型中,得到处理后眼部图像,其中,所述图像处理模型用于对所述待处理眼部图像中与预设眼部对象对应的区域进行处理;
生成单元,被配置成将所述待处理人脸图像中的待处理眼部图像替换为所述处理后眼部图像,以生成处理后人脸图像。
10.根据权利要求9所述的装置,其中,所述预设眼部对象包括以下至少一者:双眼皮,卧蚕。
11.根据权利要求9所述的装置,其中,所述图像处理模型利用样本集合训练得到,所述样本集合中的样本为包括样本第一图像和样本第二图像的图像对,样本第一图像中所述预设眼部对象对应的区域中不存在所述预设眼部对象,样本第二图像中所述预设眼部对象对应的区域中存在所述预设眼部对象。
12.根据权利要求11所述的装置,其中,所述图像处理模型通过如下步骤训练得到:
将所述样本集合中的样本所包括的样本第一图像作为初始模型的输入,将与输入的样本第一图像对应的样本第二图像作为初始模型的期望输出,训练得到所述图像处理模型。
13.根据权利要求11所述的装置,其中,所述图像处理模型通过如下步骤训练得到:
将所述样本集合中的样本所包括的样本第二图像作为初始模型的输入,将与输入的样本第二图像对应的样本第一图像作为初始模型的期望输出,训练得到所述图像处理模型。
14.根据权利要求11所述的装置,其中,所述样本集合中的样本通过如下步骤得到:
从所获取的第一人脸图像集合中的第一人脸图像中裁剪眼部图像,得到第一眼部图像集合;
对所述第一眼部图像集合中的第一眼部图像进行水平翻转,得到第二眼部图像集合;
从所述第一眼部图像集合和所述第二眼部图像集合中选取所述预设眼部对象对应的区域中不存在所述预设眼部对象的眼部图像,得到第三眼部图像集合;
将所述第三眼部图像集合中的第三眼部图像输入至预先训练的样本处理模型中,得到第四眼部图像集合,其中,所述样本处理模型用于对第三眼部图像添加所述预设眼部对象;
基于从所述第四眼部图像集合中选取的第四眼部图像和从所述第三眼部图像集合中选取的相对应的第三眼部图像,生成所述样本集合中的样本。
15.根据权利要求9所述的装置,其中,所述确定单元,进一步被配置成:
基于对所获取的待处理人脸图像提取的关键点,从所述待处理人脸图像中裁剪预设尺寸的待处理眼部图像。
16.根据权利要求9-15中任一所述的装置,其中,所述装置还包括:
发送单元,被配置成将所述处理后人脸图像发送至通信连接的终端设备,以使所述终端设备显示所述处理后人脸图像。
17.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
18.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910409754.5A CN110136054B (zh) | 2019-05-17 | 2019-05-17 | 图像处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910409754.5A CN110136054B (zh) | 2019-05-17 | 2019-05-17 | 图像处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110136054A true CN110136054A (zh) | 2019-08-16 |
CN110136054B CN110136054B (zh) | 2024-01-09 |
Family
ID=67574692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910409754.5A Active CN110136054B (zh) | 2019-05-17 | 2019-05-17 | 图像处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110136054B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580678A (zh) * | 2019-09-10 | 2019-12-17 | 北京百度网讯科技有限公司 | 图像处理方法及装置 |
CN110766631A (zh) * | 2019-10-21 | 2020-02-07 | 北京旷视科技有限公司 | 人脸图像的修饰方法、装置、电子设备和计算机可读介质 |
CN111462007A (zh) * | 2020-03-31 | 2020-07-28 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备及计算机存储介质 |
CN112381709A (zh) * | 2020-11-13 | 2021-02-19 | 北京字节跳动网络技术有限公司 | 图像处理方法、模型训练方法、装置、设备和介质 |
CN112465717A (zh) * | 2020-11-25 | 2021-03-09 | 北京字跳网络技术有限公司 | 脸部图像处理模型训练方法、装置、电子设备和介质 |
CN112489169A (zh) * | 2020-12-17 | 2021-03-12 | 脸萌有限公司 | 人像图像处理方法及装置 |
WO2023273697A1 (zh) * | 2021-06-30 | 2023-01-05 | 北京字跳网络技术有限公司 | 图像处理方法、模型训练方法、装置、电子设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107153805A (zh) * | 2016-03-02 | 2017-09-12 | 北京美到家科技有限公司 | 定制化美妆辅助装置和方法 |
CN107993209A (zh) * | 2017-11-30 | 2018-05-04 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
CN108021905A (zh) * | 2017-12-21 | 2018-05-11 | 广东欧珀移动通信有限公司 | 图片处理方法、装置、终端设备及存储介质 |
US20180173997A1 (en) * | 2016-12-15 | 2018-06-21 | Fujitsu Limited | Training device and training method for training image processing device |
CN108986016A (zh) * | 2018-06-28 | 2018-12-11 | 北京微播视界科技有限公司 | 图像美化方法、装置及电子设备 |
CN109241930A (zh) * | 2018-09-20 | 2019-01-18 | 北京字节跳动网络技术有限公司 | 用于处理眉部图像的方法和装置 |
CN109584153A (zh) * | 2018-12-06 | 2019-04-05 | 北京旷视科技有限公司 | 修饰眼部的方法、装置和*** |
-
2019
- 2019-05-17 CN CN201910409754.5A patent/CN110136054B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107153805A (zh) * | 2016-03-02 | 2017-09-12 | 北京美到家科技有限公司 | 定制化美妆辅助装置和方法 |
US20180173997A1 (en) * | 2016-12-15 | 2018-06-21 | Fujitsu Limited | Training device and training method for training image processing device |
CN107993209A (zh) * | 2017-11-30 | 2018-05-04 | 广东欧珀移动通信有限公司 | 图像处理方法、装置、计算机可读存储介质和电子设备 |
CN108021905A (zh) * | 2017-12-21 | 2018-05-11 | 广东欧珀移动通信有限公司 | 图片处理方法、装置、终端设备及存储介质 |
CN108986016A (zh) * | 2018-06-28 | 2018-12-11 | 北京微播视界科技有限公司 | 图像美化方法、装置及电子设备 |
CN109241930A (zh) * | 2018-09-20 | 2019-01-18 | 北京字节跳动网络技术有限公司 | 用于处理眉部图像的方法和装置 |
CN109584153A (zh) * | 2018-12-06 | 2019-04-05 | 北京旷视科技有限公司 | 修饰眼部的方法、装置和*** |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580678A (zh) * | 2019-09-10 | 2019-12-17 | 北京百度网讯科技有限公司 | 图像处理方法及装置 |
CN110580678B (zh) * | 2019-09-10 | 2023-06-20 | 北京百度网讯科技有限公司 | 图像处理方法及装置 |
CN110766631A (zh) * | 2019-10-21 | 2020-02-07 | 北京旷视科技有限公司 | 人脸图像的修饰方法、装置、电子设备和计算机可读介质 |
CN111462007A (zh) * | 2020-03-31 | 2020-07-28 | 北京百度网讯科技有限公司 | 图像处理方法、装置、设备及计算机存储介质 |
CN112381709A (zh) * | 2020-11-13 | 2021-02-19 | 北京字节跳动网络技术有限公司 | 图像处理方法、模型训练方法、装置、设备和介质 |
CN112381709B (zh) * | 2020-11-13 | 2022-06-21 | 北京字节跳动网络技术有限公司 | 图像处理方法、模型训练方法、装置、设备和介质 |
CN112465717A (zh) * | 2020-11-25 | 2021-03-09 | 北京字跳网络技术有限公司 | 脸部图像处理模型训练方法、装置、电子设备和介质 |
CN112465717B (zh) * | 2020-11-25 | 2024-05-31 | 北京字跳网络技术有限公司 | 脸部图像处理模型训练方法、装置、电子设备和介质 |
CN112489169A (zh) * | 2020-12-17 | 2021-03-12 | 脸萌有限公司 | 人像图像处理方法及装置 |
CN112489169B (zh) * | 2020-12-17 | 2024-02-13 | 脸萌有限公司 | 人像图像处理方法及装置 |
WO2023273697A1 (zh) * | 2021-06-30 | 2023-01-05 | 北京字跳网络技术有限公司 | 图像处理方法、模型训练方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110136054B (zh) | 2024-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110136054A (zh) | 图像处理方法和装置 | |
US11973732B2 (en) | Messaging system with avatar generation | |
CN105184249B (zh) | 用于人脸图像处理的方法和装置 | |
WO2019201042A1 (zh) | 图像对象识别方法和装置、存储介质及电子装置 | |
CN109816589A (zh) | 用于生成漫画风格转换模型的方法和装置 | |
CN107644209A (zh) | 人脸检测方法和装置 | |
CN109858445A (zh) | 用于生成模型的方法和装置 | |
CN110298319B (zh) | 图像合成方法和装置 | |
CN108985257A (zh) | 用于生成信息的方法和装置 | |
CN106846497A (zh) | 应用于终端的呈现三维地图的方法和装置 | |
CN109308681A (zh) | 图像处理方法和装置 | |
CN109360028A (zh) | 用于推送信息的方法和装置 | |
CN109815365A (zh) | 用于处理视频的方法和装置 | |
CN110472558B (zh) | 图像处理方法和装置 | |
CN110288705A (zh) | 生成三维模型的方法和装置 | |
CN109977905A (zh) | 用于处理眼底图像的方法和装置 | |
CN110009059A (zh) | 用于生成模型的方法和装置 | |
CN110516598A (zh) | 用于生成图像的方法和装置 | |
CN109754464A (zh) | 用于生成信息的方法和装置 | |
CN110532983A (zh) | 视频处理方法、装置、介质和设备 | |
CN109241930A (zh) | 用于处理眉部图像的方法和装置 | |
CN114762004A (zh) | 数据生成方法、数据生成装置、模型生成方法、模型生成装置及程序 | |
CN110415318B (zh) | 图像处理方法和装置 | |
CN110349108A (zh) | 处理图像的方法、装置、电子设备、及存储介质 | |
CN110288523A (zh) | 图像生成方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |