(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 202210431484.X (22)申请日 2022.04.22 (71)申请人 腾讯医疗健康 （深圳） 有限公司 地址 518000 广东省深圳市前海深港合作 区前湾一路1号A栋201室 (72)发明人 黄雅雯　郑冶枫　周鹤翔　周毅　 (74)专利代理 机构 北京三高永信知识产权代理 有限责任公司 1 1138 专利代理师 李文静 (51)Int.Cl. G06T 3/40(2006.01) G06V 10/74(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 图像生成模型的训练方法、 图像生成方法、 装置及设备 (57)摘要 本申请提供了一种图像生成模型的训练方 法、 图像生成方法、 装置及设备， 属于人工智能技 术领域。 方法包括： 基于多个第一样本图像和多 个第二样 本图像， 对图像生 成模型中的校正层进 行训练； 基于训练完毕的校正层， 对多个第一样 本图像进行处理， 得到多个第三样本图像； 基于 多个第一样 本图像和多个第三样 本图像， 对图像 生成模型中的图像生成层进行训练。 上述方案 中， 由于训练得到的图像生 成模型能够转换样本 图像的图像类型， 使 得不需要使用图像类型相同 的训练数据集和测试数据集即可完成模型训练， 能够克服图像类型相同的训练数据缺乏的问题， 降低图像生成模 型的训练成本， 从而提高生成分 辨率较高的图像的效率。 权利要求书3页 说明书20页 附图6页 CN 115131199 A 2022.09.30 CN 115131199 A 1.一种图像生成模型的训练方法， 其特 征在于， 所述方法包括： 基于多个第一样本 图像和多个第二样本 图像， 对图像生成模型中的校正层进行训练， 所述校正层用于转换所输入的样本图像的图像类型， 所述第一样本图像的分辨率高于所述 第二样本图像； 基于训练完毕的所述校正层， 对所述多个第一样本 图像进行处理， 得到多个第三样本 图像； 基于所述多个第 一样本图像和所述多个第 三样本图像， 对所述图像生成模型中的图像 生成层进行训练， 所述图像生成层用于提高所输入的样本图像的分辨 率。 2.根据权利要求1所述的方法， 其特征在于， 所述基于多个第 一样本图像和多个第 二样 本图像， 对图像生成模型中的校正层进行训练， 包括： 对所述多个第一样本 图像分别进行处理， 得到多个第 四样本图像， 所述第 四样本图像 的分辨率低于所述第一样本图像； 基于所述图像生成模型中的校正层， 对所述多个第 四样本图像分别进行处理， 得到多 个第一中间图像， 所述多个第一中间图像属于第一图像 类型； 基于所述图像生成模型中的校正层， 对所述多个第二样本 图像分别进行处理， 得到多 个第二中间图像， 所述多个第二中间图像属于第二图像 类型； 基于所述多个第一中间图像、 所述多个第二样本 图像、 所述多个第 四样本图像以及所 述多个第二中间图像， 对所述图像生成模型中的校正层进行训练。 3.根据权利要求2所述的方法， 其特征在于， 所述对所述多个第 一样本图像分别进行处 理， 得到多个第四样本图像， 包括： 对于任一第一样本图像， 对所述第一样本图像添加高斯噪声； 降低添加高斯噪声后的所述第 一样本图像的分辨率， 得到所述第 一样本图像对应的第 四样本图像。 4.根据权利要求2所述的方法， 其特征在于， 所述图像生成模型中的校正层包括第 一生 成器， 所述第一 生成器用于将图像由所述第二图像 类型转换至所述第一图像 类型； 所述基于所述图像生成模型中的校正层， 对所述多个第 四样本图像分别进行处理， 得 到多个第一中间图像， 包括： 对于任一第四样本 图像， 通过所述第一生成器对所述第 四样本图像进行卷积， 得到所 述第四样本图像对应的第一中间图像。 5.根据权利要求2所述的方法， 其特征在于， 所述图像生成模型中的校正层包括第 二生 成器， 所述第二 生成器用于将图像由所述第一图像 类型转换至所述第二图像 类型； 所述基于所述图像生成模型中的校正层， 对所述多个第二样本 图像分别进行处理， 得 到多个第二中间图像， 包括： 对于任一第二样本 图像， 通过所述第二生成器对所述第二样本 图像进行卷积， 得到所 述第二样本图像对应的第二中间图像。 6.根据权利要求2所述的方法， 其特征在于， 所述图像生成模型中的校正层包括第 一判 别器和第二判别器， 所述第一判别器和所述第二判别器用于确定图像之间的相似度； 所述基于所述多个第一中间图像、 所述多个第二样本 图像、 所述多个第 四样本图像以 及所述多个第二中间图像， 对所述图像生成模型中的校正层进行训练， 包括：权　利　要　求　书 1/3 页 2 CN 115131199 A 2对于任一第 一中间图像， 通过所述第 一判别器对所述第 一中间图像和所述第 一中间图 像对应的第二样本图像进 行判别， 得到所述第一中间图像与所述第二样本图像之 间的相似 度； 对于任一第 二中间图像， 通过所述第 二判别器对所述第 二中间图像和所述第 二中间图 像对应的第四样本图像进 行判别， 得到所述第二中间图像和所述第四样本图像之 间的相似 度； 通过所述多个第一中间图像和所述多个第二样本图像之间的相似度以及所述多个第 二中间图像和所述多个第四样本图像之 间的相似度， 对所述图像生成模型中的校正层进 行 训练。 7.根据权利要求1所述的方法， 其特征在于， 所述基于所述多个第 一样本图像和所述多 个第三样本图像， 对所述图像生成模型中的图像生成层进行训练， 包括： 通过图像生成模型中的图像生成层， 对于所述多个第三样本 图像分别进行处理， 得到 多个结果图像； 基于所述多个结果图像与对应的所述多个第 一样本图像之间的差异， 对所述图像生成 层进行训练。 8.一种图像生成方法， 其特 征在于， 所述方法包括： 通过图像生成模型中的校正层对第一图像进行处理， 得到第二图像， 所述校正层用于 转换所输入的图像的图像 类型， 所述第二图像属于目标图像 类型； 通过所述图像生成模型中的图像生成层对所述第二图像进行处理， 得到第三图像， 所 述图像生成层用于提高所输入的图像的分辨 率。 9.一种图像生成模型的训练装置， 其特 征在于， 所述装置包括： 第一训练模块， 用于基于多个第一样本 图像和多个第二样本 图像， 对图像生成模型中 的校正层进行训练， 所述校正层用于转换图像所属的图像类型， 所述第一样本图像的分辨 率高于所述第二样本图像； 第二训练模块， 用于基于训练完毕的所述校正层， 对所述多个第一样本图像进行处理， 得到多个第三样本图像； 所述第二训练模块， 还用于基于所述多个第一样本 图像和所述多个第三样本 图像， 对 所述图像生成模型中的图像生成层进行训练， 所述图像生成层用于提高图像的分辨 率。 10.一种图像生成装置， 其特 征在于， 所述装置包括： 校正模块， 用于通过图像生成模型中的校正层对第 一图像进行处理， 得到第 二图像， 所 述校正层用于转换 所输入的图像的图像 类型， 所述第二图像属于目标图像 类型； 图像生成模块， 用于通过所述图像生成模型中的图像生成层对所述第二图像进行处 理， 得到第三图像， 所述图像生成层用于提高所输入的图像的分辨 率。 11.一种计算机设备， 其特征在于， 所述计算机设备包括处理器和存储器， 所述存储器 用于存储至少一段计算机程序， 所述至少一段计算机程序由所述处理器加载并执行权利要 求1至7任一项权利要求所述的图像生成模型的训练方法， 或者， 所述至少一段计算机程序 由所述处 理器加载并执 行权利要求8所述的图像生成方法。 12.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质用于存储至少一 段计算机程序， 所述至少一段计算机程序用于执行权利要求 1至7任一项权利要求所述的图权　利　要　求　书 2/3 页 3 CN 115131199 A 3