技术摘要：
本公开提供一种图像处理方法、装置、设备及计算机可读存储介质，方法包括：从数据服务器中获取预设的待处理图像集，待处理图像集中的多张待处理图像为真实场景下的用户图像，待处理图像集为开源数据集；采用预设的对抗神经网络中的生成器，根据待处理图像生成虚拟图像  全部
背景技术：
实际应用中，很多场景都需要大量的虚拟头像。举例来说，大型的网络游戏中可能 会有众多的非玩家控制角色(Non-Player  Character，简称NPC)，针对每一个NPC都需要设 置一个头像，因此，网络游戏需要大量的虚拟头像。此外，仍旧以实际应用举例来说，用户在 注册新应用时，若不想要采用自己的真实照片作为头像，则也会产生对虚拟头像的需求。 现有的虚拟头像一般都是对预设的图像集中的图像进行简单的图像裁剪、图像色 彩信息调整等。但是，采用上述方法生成的虚拟头像无法满足实际使用需求。因此，如何生 成更加真实，满足使用需求的虚拟图像成为了亟待解决的问题。
技术实现要素：
本公开提供一种图像处理方法、装置、设备及计算机可读存储介质，用于解决现有 的虚拟头像生成方法生成的图像效果不佳，无法满足实际使用需求的技术问题。 本公开的第一个方面是提供一种图像处理方法，包括： 从数据服务器中获取预设的待处理图像集，其中，所述待处理图像集中的多张待 处理图像为真实场景下的用户图像，所述待处理图像集为开源数据集； 采用预设的对抗神经网络中的生成器，根据所述待处理图像生成虚拟图像，获得 虚拟图像集； 对所述虚拟图像集中的各虚拟图像进行随机编辑操作，获得目标图像集； 将所述目标图像集发送至数据服务器进行存储。 本实施例提供的图像处理方法，通过采用预设的对抗神经网络中的生成器，根据 预设的待处理图像集中真实场景下的用户图像生成虚拟图像，并对虚拟图像进行随机编辑 操作，从而能够提高虚拟图像的真实性。由于对抗神经网络中包括生成器与判别器，判别器 根据判别结果不断地对生成器进行监督训练，从而导致生成器所生成的图像与真实图像相 似度较高。此外，通过对生成的虚拟图像进行随机编辑，从而能够进一步地提高虚拟图像的 适用性。且采用开源的数据集作为待处理图像集，能够减少待处理图像集的获取难度。 在一种可能的设计中，所述对抗神经网络包括生成器以及判别器； 相应地，所述采用预设的对抗神经网络中的生成器，根据所述待处理图像生成虚 拟图像之前，还包括： 从数据服务器中获取待训练数据集，其中，该待训练数据集中包括多张真实场景 下的待训练图像； 将所述待训练图像输入至所述生成器中，获得与所述待训练图像对应的生成图 像； 5 CN 111589156 A 说　明　书 2/10 页 将所述生成图像以及真实场景下的待训练图像输入至所述判别器中，以使所述判 别器对所述生成图像以及真实场景下的待训练图像的真实性进行判断，并根据判断结果对 所述生成器进行监督训练，直至所述对抗神经网络收敛。 本实施例提供的图像处理方法，通过预先对待训练图像集对预设的对抗神经网络 进行训练，能够通过判别器对生成器进行监督，使得生成器生成的虚拟图像的真实度更高， 相应的根据该虚拟图像编辑处理后获得的目标图像的适应性更强。 在一种可能的设计中，所述采用预设的对抗神经网络中的生成器，根据所述待处 理图像生成虚拟图像之前，还包括： 通过预设的图像裁剪模型对待处理图像进行裁剪操作。 在一种可能的设计中，所述通过预设的图像裁剪模型对待处理图像进行裁剪操 作，包括： 对所述图像裁剪模型设置不同的参数，通过预设的图像裁剪模型对待处理图像进 行裁剪操作，获得目标物体占比不同的待训练图像。 在一种可能的设计中，所述对所述虚拟图像集中的各虚拟图像进行随机编辑操 作，包括： 对所述虚拟图像集中的各虚拟图像进行随机尺寸的裁剪操作。 在一种可能的设计中，所述对所述虚拟图像集中的各虚拟图像进行随机编辑操 作，包括： 对所述虚拟图像集中的各虚拟图像进行随机色彩调整操作。 在一种可能的设计中，所述采用预设的对抗神经网络中的生成器，根据所述待处 理图像生成虚拟图像之后，还包括： 将所述虚拟图像输入至预设的筛选模型进行筛选操作，以删除真实度不高的虚拟 头像，获得筛选后的虚拟头像。 在一种可能的设计中，所述将所述目标图像集发送至数据服务器进行存储之后， 还包括： 获取终端设备发送的目标图像集获取指令； 根据所述目标图像集获取指令从数据服务器中获取所述目标图像集，将所述目标 图像集发送至所述终端设备，以使所述终端设备根据所述目标图像集进行虚拟头像的设置 操作。 本实施例提供的图像处理方法，通过根据终端设备发送的目标图像集获取指令从 数据服务器中获取目标图像集，并将该目标图像集发送至终端设备中。从而用户可以在终 端设备上进行虚拟头像设置的操作，提高用户体验。 本公开的第二个方面是提供一种图像处理装置，包括： 获取模块，用于从数据服务器中获取预设的待处理图像集，其中，所述待处理图像 集中的多张待处理图像为真实场景下的用户图像，所述待处理图像集为开源数据集； 生成模块，用于采用预设的对抗神经网络中的生成器，根据所述待处理图像生成 虚拟图像，获得虚拟图像集； 编辑模块，用于对所述虚拟图像集中的各虚拟图像进行随机编辑操作，获得目标 图像集； 6 CN 111589156 A 说　明　书 3/10 页 存储模块，用于将所述目标图像集发送至数据服务器进行存储。 本实施例提供的图像处理装置，通过采用预设的对抗神经网络中的生成器，根据 预设的待处理图像集中真实场景下的用户图像生成虚拟图像，并对虚拟图像进行随机编辑 操作，从而能够提高虚拟图像的真实性。由于对抗神经网络中包括生成器与判别器，判别器 根据判别结果不断地对生成器进行监督训练，从而导致生成器所生成的图像与真实图像相 似度较高。此外，通过对生成的虚拟图像进行随机编辑，从而能够进一步地提高虚拟图像的 适用性。且采用开源的数据集作为待处理图像集，能够减少待处理图像集的获取难度。 在一种可能的设计中，所述对抗神经网络包括生成器以及判别器； 相应地，所述装置还包括： 数据集获取模块，用于从数据服务器中获取待训练数据集，其中，该待训练数据集 中包括多张真实场景下的待训练图像； 第一训练模块，用于将所述待训练图像输入至所述生成器中，获得与所述待训练 图像对应的生成图像； 第二训练模块，用于将所述生成图像以及真实场景下的待训练图像输入至所述判 别器中，以使所述判别器对所述生成图像以及真实场景下的待训练图像的真实性进行判 断，并根据判断结果对所述生成器进行监督训练，直至所述对抗神经网络收敛。 本实施例提供的图像处理装置，通过预先对待训练图像集对预设的对抗神经网络 进行训练，能够通过判别器对生成器进行监督，使得生成器生成的虚拟图像的真实度更高， 相应的根据该虚拟图像编辑处理后获得的目标图像的适应性更强。 在一种可能的设计中，所述装置还包括： 裁剪模块，用于通过预设的图像裁剪模型对待处理图像进行裁剪操作。 在一种可能的设计中，所述裁剪模块用于： 对所述图像裁剪模型设置不同的参数，通过预设的图像裁剪模型对待处理图像进 行裁剪操作，获得目标物体占比不同的待训练图像。 在一种可能的设计中，所述编辑模块用于： 对所述虚拟图像集中的各虚拟图像进行随机尺寸的裁剪操作。 在一种可能的设计中，所述编辑模块用于： 对所述虚拟图像集中的各虚拟图像进行随机色彩调整操作。 在一种可能的设计中，所述装置还包括： 筛选模块，用于将所述虚拟图像输入至预设的筛选模型进行筛选操作，以删除真 实度不高的虚拟头像，获得筛选后的虚拟头像。 在一种可能的设计中，所述装置还包括： 指令获取模块，用于获取终端设备发送的目标图像集获取指令； 发送模块，用于根据所述目标图像集获取指令从数据服务器中获取所述目标图像 集，将所述目标图像集发送至所述终端设备，以使所述终端设备根据所述目标图像集进行 虚拟头像的设置操作。 本实施例提供的图像处理装置，通过根据终端设备发送的目标图像集获取指令从 数据服务器中获取目标图像集，并将该目标图像集发送至终端设备中。从而用户可以在终 端设备上进行虚拟头像设置的操作，提高用户体验。 7 CN 111589156 A 说　明　书 4/10 页 本公开的第三个方面是提供一种图像处理设备，包括：存储器，处理器； 存储器；用于存储所述处理器可执行指令的存储器； 其中，所述处理器被配置为由所述处理器执行如第一方面所述的图像处理方法。 本公开的第四个方面是提供一种计算机可读存储介质，所述计算机可读存储介质 中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如第一方面所述 的图像处理方法。 本公开提供的图像处理方法、装置、设备及计算机可读存储介质，通过采用预设的 对抗神经网络中的生成器，根据预设的待处理图像集中真实场景下的用户图像生成虚拟图 像，并对虚拟图像进行随机编辑操作，从而能够提高虚拟图像的真实性。由于对抗神经网络 中包括生成器与判别器，判别器根据判别结果不断地对生成器进行监督训练，从而导致生 成器所生成的图像与真实图像相似度较高。此外，通过对生成的虚拟图像进行随机编辑，从 而能够进一步地提高虚拟图像的适用性。且采用开源的数据集作为待处理图像集，能够减 少待处理图像集的获取难度。 附图说明 为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本公开 的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。 图1为本公开基于的网络架构示意图； 图2为本公开实施例一提供的图像处理方法的流程示意图； 图3为本公开实施例提供的占比不同的待处理图像示意图； 图4为本公开实施例二提供的图像处理方法的流程示意图； 图5为本公开实施例提供的对抗神经网络的网络架构图； 图6为本公开实施例三提供的图像处理方法的流程示意图； 图7为本公开又一实施例提供的又一系统架构图； 图8为本公开实施例四提供的图像处理装置的结构示意图； 图9为本公开实施例五提供的图像处理装置的结构示意图； 图10为本公开实施例六提供的图像处理方法的流程示意图； 图11为本公开实施例七提供的图像处理设备的结构示意图。