(19)中华 人民共和国 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 202111273390.6 (22)申请日 2021.10.2 9 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 张宝华　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 代理人 任默闻　王涛 (51)Int.Cl. G06N 20/00(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 模型训练方法、 装置和计算机设备 (57)摘要 本说明书实施例公开了一种模 型训练方法、 装置和计算机设备。 所述方法包括： 根据真实图 像数据， 对生成式对抗网络进行训练； 利用训练 后的生成式对抗网络中的生 成器， 生成第一图像 数据； 根据第一图像数据和真实图像数据， 对 图 像处理模型进行训练。 本说明书实施例可以提高 图像处理模型的训练效果。 权利要求书2页 说明书7页 附图6页 CN 113902130 A 2022.01.07 CN 113902130 A 1.一种模型训练方法， 包括： 根据真实图像数据， 对生成式对抗网络进行训练； 利用训练后的生成式对抗网络中的生成器， 生成第一图像数据； 根据第一图像数据和真实图像数据， 对图像处 理模型进行训练。 2.根据权利要求1所述的方法， 所述 生成式对抗网络包括 生成器和判别器； 所述生成器和所述判别器包括残差模块和自注意力模块； 所述残差模块用于提取 特征数据， 所述自注意力模块用于对特 征数据进行编码处 理。 3.根据权利要求1所述的方法， 所述 生成式对抗网络包括 生成器和判别器； 所述对生成式对抗网络进行训练， 包括： 将第一噪声数据输入生成器， 得到第二图像数据； 将第二图像数据和真实图像数据输入判别器； 根据判别器的输出， 利用损失函数计算损失信息； 根据损失信息， 确定生成器和判别器的模型参数。 4.根据权利要求3所述的方法， 所述利用损失函数计算损失信息， 包括： 利用损失函数， 采用Was serstein距离计算损失信息 。 5.根据权利要求3所述的方法， 所述将第二图像数据和真实图像数据输入判别器， 包 括： 将第二图像数据作为负 样本输入判别器； 将真实图像数据作为 正样本输入判别器； 所述判别器的输出包括 概率值， 所述概率值用于表示判别器的输入为 正样本的概 率。 6.根据权利要求1所述的方法， 所述 生成第一图像数据， 包括： 将第二噪声数据输入训练后的生成式对抗网络中的生成器， 得到第一图像数据。 7.根据权利要求1所述的方法， 所述真实图像数据中包 含文字； 所述图像处理模型包括文字识别模型， 所述文字识别模型用于识别图像数据中的文 字。 8.一种模型训练方法， 用于训练生成式对抗网络， 所述生成式对抗网络包括生成器和 判别器； 其中， 训练后的生成式对抗网络中的生成器， 用于生成第一图像数据， 所述第一图 像数据用于对图像处 理模型进行训练， 所述方法包括： 将第一噪声数据输入生成器， 得到第二图像数据； 将第二图像数据和真实图像数据输入判别器； 根据判别器的输出， 利用损失函数计算损失信息； 根据损失信息， 确定生成器和判别器的模型参数。 9.一种模型训练装置， 包括： 第一训练单 元， 用于根据真实图像数据， 对生成式对抗网络进行训练； 生成单元， 用于利用训练后的生成式对抗网络中的生成器， 生成第一图像数据； 第二训练单 元， 用于根据第一图像数据和真实图像数据， 对图像处 理模型进行训练。 10.一种模型训练装置， 用于训练生成式对抗网络， 所述生成式对抗网络包括生成器和 判别器； 其中， 训练后的生成式对抗网络中的生成器， 用于生成第一图像数据， 所述第一图 像数据用于对图像处 理模型进行训练， 所述装置包括：权　利　要　求　书 1/2 页 2 CN 113902130 A 2第一输入单 元， 用于将第一噪声数据输入生成器， 得到第二图像数据； 第二输入单 元， 用于将第二图像数据和真实图像数据输入判别器； 计算单元， 用于根据判别器的输出， 利用损失函数计算损失信息； 确定单元， 用于根据损失信息， 确定生成器和判别器的模型参数。 11.一种计算机设备， 包括： 至少一个处 理器； 存储有程序指令的存储器， 其中， 所述程序指令被配置为适于由所述至少一个处理器 执行， 所述程序指令包括用于执 行如权利要求1 ‑8中任一项方法的指令 。权　利　要　求　书 2/2 页 3 CN 113902130 A 3