技术摘要：
本申请涉及一种图像生成器的处理方法、图像生成方法及装置。图像生成器的处理方法包括：获取源域图像样本和参考图像样本；通过图像生成器，生成源域图像样本在目标域的目标生成图像；分别提取源域图像样本的第一内容特征、参考图像样本的第二内容特征以及目标生成图像  全部
背景技术：
随着人工智能的发展，机器学习模型的使用越来越广泛。通过对机器学习模型进 行训练，使得机器学习模型进行数据处理。比如，对医学影像处理模型进行训练，使得医学 影像处理模型可实现医学影像的分类或者分割等。 目前，在通过图像样本训练机器学习模型时，图像样本可能来自不同的图像域，比 如训练集的图像样本偏暗，测试集的图像样本偏亮，这会影响机器学习模型的性能。传统技 术中，可先将图像样本迁移至同一图像域，再对机器学习模型进行训练。但是，传统的图像 迁移方法会导致迁移后的图像发生变形。
技术实现要素：
基于此，有必要针对上述技术问题，提供一种能够避免迁移后的图像发生变形的 图像生成器的处理方法、图像生成方法及装置。 一种图像生成器的处理方法，该方法包括： 获取图像样本集、图像生成器和互信息判别器；图像样本集包括源域图像样本和 参考图像样本； 通过图像生成器，生成源域图像样本在目标域的目标生成图像； 分别提取源域图像样本的第一内容特征、参考图像样本的第二内容特征以及目标 生成图像的第三内容特征； 根据第一内容特征和第三内容特征生成正样本，并根据第一内容特征和第三内容 特征中的至少一个、及第二内容特征生成负样本； 将正样本和负样本输入互信息判别器，对图像生成器和互信息判别器进行迭代地 对抗训练，并在对抗训练过程中迭代地最大化第一内容特征和第三内容特征的互信息，直 至达到迭代停止条件。 一种图像生成器的处理装置，装置包括： 获取模块，用于获取图像样本集、图像生成器和互信息判别器；图像样本集包括源 域图像样本和参考图像样本； 生成模块，用于通过图像生成器，生成源域图像样本在目标域的目标生成图像； 提取模块，用于分别提取源域图像样本的第一内容特征、参考图像样本的第二内 容特征以及目标生成图像的第三内容特征； 生成模块，还用于根据第一内容特征和第三内容特征生成正样本，并根据第一内 容特征和第三内容特征中的至少一个、及第二内容特征生成负样本； 输入模块，用于将正样本和负样本输入互信息判别器，对图像生成器和互信息判 6 CN 111597946 A 说　明　书 2/28 页 别器进行迭代地对抗训练，并在对抗训练过程中迭代地最大化第一内容特征和第三内容特 征的互信息，直至达到迭代停止条件。 一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计 算机程序时实现以下步骤： 获取图像样本集、图像生成器和互信息判别器；图像样本集包括源域图像样本和 参考图像样本； 通过图像生成器，生成源域图像样本在目标域的目标生成图像； 分别提取源域图像样本的第一内容特征、参考图像样本的第二内容特征以及目标 生成图像的第三内容特征； 根据第一内容特征和第三内容特征生成正样本，并根据第一内容特征和第三内容 特征中的至少一个、及第二内容特征生成负样本； 将正样本和负样本输入互信息判别器，对图像生成器和互信息判别器进行迭代地 对抗训练，并在对抗训练过程中迭代地最大化第一内容特征和第三内容特征的互信息，直 至达到迭代停止条件。 一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时 实现以下步骤： 获取图像样本集、图像生成器和互信息判别器；图像样本集包括源域图像样本和 参考图像样本； 通过图像生成器，生成源域图像样本在目标域的目标生成图像； 分别提取源域图像样本的第一内容特征、参考图像样本的第二内容特征以及目标 生成图像的第三内容特征； 根据第一内容特征和第三内容特征生成正样本，并根据第一内容特征和第三内容 特征中的至少一个、及第二内容特征生成负样本； 将正样本和负样本输入互信息判别器，对图像生成器和互信息判别器进行迭代地 对抗训练，并在对抗训练过程中迭代地最大化第一内容特征和第三内容特征的互信息，直 至达到迭代停止条件。 上述图像生成器的处理方法、装置、计算机设备和存储介质，获取源域图像样本、 参考图像样本、图像生成器和互信息判别器，通过图像生成器，生成源域图像样本在目标域 的目标生成图像，分别提取源域图像样本的第一内容特征、参考图像样本的第二内容特征 以及目标生成图像的第三内容特征，根据第一内容特征和第三内容特征生成正样本，并根 据第一内容特征和第三内容特征中的至少一个、及第二内容特征生成负样本，将正样本和 负样本输入互信息判别器，对图像生成器和互信息判别器进行迭代地对抗训练，并在对抗 训练过程中迭代地最大化第一内容特征和第三内容特征的互信息，直至达到迭代停止条 件。这样，通过互信息判别器与图像生成器之间的对抗训练，使得通过图像生成器将图像由 源域迁移至目标域时，目标域的图像与源域的图像在内容特征上一致，从而避免目标域的 图像变形；并且，利用目标生成图像去训练医学影像处理模型时，能够提高医学影像处理模 型的性能。 一种图像生成方法，该方法包括： 获取待迁移图像； 7 CN 111597946 A 说　明　书 3/28 页 确定待迁移图像所属的源域和待迁移至的目标域； 查询用于将属于源域的图像迁移至目标域的图像生成器； 通过图像生成器生成待迁移图像在目标域的迁移图像；迁移图像与待迁移图像的 内容特征相同； 其中，图像生成器通过与互信息判别器迭代地对抗训练得到，并在对抗训练过程 中迭代地最大化目标参数；目标参数为源域图像样本的内容特征和生成图像样本的内容特 征之间的互信息；源域图像样本属于源域；生成图像样本属于目标域、且通过图像生成器根 据源域图像样本生成。 一种图像生成装置，装置包括： 获取模块，用于获取待迁移图像； 确定模块，用于确定待迁移图像所属的源域和待迁移至的目标域； 查询模块，用于查询用于将属于源域的图像迁移至目标域的图像生成器； 生成模块，用于通过图像生成器生成待迁移图像在目标域的迁移图像；迁移图像 与待迁移图像的内容特征相同； 其中，图像生成器通过与互信息判别器迭代地对抗训练得到，并在对抗训练过程 中迭代地最大化目标参数；目标参数为源域图像样本的内容特征和生成图像样本的内容特 征之间的互信息；源域图像样本属于源域；生成图像样本属于目标域、且通过图像生成器根 据源域图像样本生成。 一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计 算机程序时实现以下步骤： 获取待迁移图像； 确定待迁移图像所属的源域和待迁移至的目标域； 查询用于将属于源域的图像迁移至目标域的图像生成器； 通过图像生成器生成待迁移图像在目标域的迁移图像；迁移图像与待迁移图像的 内容特征相同； 其中，图像生成器通过与互信息判别器迭代地对抗训练得到，并在对抗训练过程 中迭代地最大化目标参数；目标参数为源域图像样本的内容特征和生成图像样本的内容特 征之间的互信息；源域图像样本属于源域；生成图像样本属于目标域、且通过图像生成器根 据源域图像样本生成。 一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时 实现以下步骤： 获取待迁移图像； 确定待迁移图像所属的源域和待迁移至的目标域； 查询用于将属于源域的图像迁移至目标域的图像生成器； 通过图像生成器生成待迁移图像在目标域的迁移图像；迁移图像与待迁移图像的 内容特征相同； 其中，图像生成器通过与互信息判别器迭代地对抗训练得到，并在对抗训练过程 中迭代地最大化目标参数；目标参数为源域图像样本的内容特征和生成图像样本的内容特 征之间的互信息；源域图像样本属于源域；生成图像样本属于目标域、且通过图像生成器根 8 CN 111597946 A 说　明　书 4/28 页 据源域图像样本生成。 上述图像生成方法、装置、计算机设备和存储介质，获取待迁移图像，确定待迁移 图像所属的源域和待迁移至的目标域，查询用于将属于源域的图像迁移至目标域的图像生 成器，通过图像生成器生成待迁移图像在目标域的迁移图像，迁移图像与待迁移图像的内 容特征相同，其中，该图像生成器通过与互信息判别器迭代地对抗训练得到，并在对抗训练 过程中迭代地最大化目标参数，该目标参数为源域图像样本的内容特征和生成图像样本的 内容特征之间的互信息，该源域图像样本属于源域，该生成图像样本属于目标域、且通过图 像生成器根据源域图像样本生成。这样，通过互信息判别器与图像生成器之间的对抗训练， 使得通过图像生成器将图像由源域迁移至目标域时，目标域的图像与源域的图像在内容特 征上一致，从而避免目标域的图像变形；并且，利用目标生成图像去训练医学影像处理模型 时，能够提高医学影像处理模型的性能。 附图说明 图1为一个实施例中图像生成器的处理方法的应用环境图； 图2为一个实施例中图像生成器的处理方法的数据流向示意图； 图3为一个实施例中图像生成器的处理方法的流程示意图； 图4为一个实施例中图像样本的示意图； 图5为一个实施例中图像生成器的训练系统的结构框图； 图6为另一个实施例中图像生成器的训练系统的结构框图； 图7为又一个实施例中图像生成器的训练系统的结构框图； 图8为再一个实施例中图像生成器的训练系统的结构框图； 图9为一个实施例中图像生成器的训练系统的结构框图； 图10为又一个实施例中图像生成器的处理方法的流程示意图； 图11为一个实施例中图像生成方法的流程示意图； 图12为一个实施例中图像生成器的处理装置的结构框图； 图13为一个实施例中图像生成装置的结构框图； 图14为一个实施例中计算机设备的内部结构图。