The present invention provides an image processing method, device, device and computer readable storage medium. The method includes: acquiring the prior characteristics of the data to be learned; setting initialization parameters for the neural network model according to the prior characteristics; training the neural network model according to the data to be learned, and obtaining the trained neural network model. By using the priori features of the data to be learned to set initialization parameters for the neural network model, the learning efficiency of the neural network model can be effectively improved, and the training efficiency of the neural network model can be improved.
【技术实现步骤摘要】
图像处理方法、装置、设备及计算机可读存储介质
本专利技术涉及计算机领域,尤其涉及一种图像处理方法、装置、设备及计算机可读存储介质。
技术介绍
在图像处理领域,利用机器学习算法模型对图像进行识别成为主流方法。在各类的机器学习算法模型中,其内的初始化参数能够在很大程度上决定整个机器学习算法模型的训练质量。针对一个神经网络模型,其一般具有多个不同的层级,现有技术中,针对每个层级一般都是由用户自行设置初始化参数,或者随机设置初始化参数,随后对设置初始化参数的神经网络模型进行训练。但是,由于模型是对数据的学习,因此,采用上述方法对神经网络模型的初始化参数进行设置,那么该神经网络模型预先对待学习的内容不了解,因此,针对每一待学习数据学习时间较长,从而导致神经网络模型学习效率较低。
技术实现思路
本专利技术提供一种图像处理方法、装置、设备及计算机可读存储介质,用于解决现有技术中由用户自行设置初始化参数,或者随机设置初始化参数而导致的神经网络模型学习效率较低的技术问题。本专利技术的第一个方面是提供一种图像处理方法,包括:获取待学习数据的先验特征;根据所述先验特征为神经网络模型设置初始化参数;根据所述待学习数据对所述神经网络模型进行训练,获得训练后的神经网络模型。本专利技术的另一个方面是提供一种图像处理方法,包括:接收待识别图像;通过训练后的神经网络模型对待识别图像进行识别,所述训练后的神经网络模型是利用上述的图像处理方法训练获得的。本专利技术的又一个方面是提供一种图像处理装置,包括:先验特征获取模块,用于获取待学习数据的先验特征;初始化参数设置模块,用于根据所述先验特征为神经 ...
【技术保护点】
1.一种图像处理方法,其特征在于,包括:获取待学习数据的先验特征;根据所述先验特征为神经网络模型设置初始化参数;根据所述待学习数据对所述神经网络模型进行训练,获得训练后的神经网络模型。
【技术特征摘要】
1.一种图像处理方法,其特征在于,包括:获取待学习数据的先验特征;根据所述先验特征为神经网络模型设置初始化参数;根据所述待学习数据对所述神经网络模型进行训练,获得训练后的神经网络模型。2.根据权利要求1所述的方法,其特征在于,所述获取待学习数据的先验特征,包括:确定所述神经网络模型中层级的数量;获取与所述层级的数量一致的所述待学习数据的先验特征。3.根据权利要求2所述的方法,其特征在于,所述根据所述先验特征为神经网络模型设置初始化参数,包括:根据所述先验特征为神经网络模型中每一所述层级设置初始化参数。4.根据权利要求2所述的方法,其特征在于,所述先验特征包括待识别图像的尺寸特征;相应地,所述获取待学习数据的先验特征,包括:获取所述待学习数据的尺寸信息;通过聚类和/或计算均值和/或计算中位数和/或计算众数方法获取所述尺寸信息的尺寸特征。5.根据权利要求4所述的方法,其特征在于,所述通过聚类和/或计算均值和/或计算中位数和/或计算众数方法获取所述待学习数据的尺寸特征,包括:通过聚类和/或计算均值和/或计算中位数和/或计算众数方法获取与所述层级的数量一致的所述待学习数据的尺寸特征。6.根据权利要求4所述的方法,其特征在于,所述根据所述先验特征为神经网络模型设置初始化参数,包括:根据所述尺寸特征为所述神经网络模型中每一层级设置初始化参数。7.根据权利要求2所述的方法,其特征在于,所述先验特征包括色彩特征;相应地,所述获取待学习数据的先验特征,包括:获取所述待学习数据的RGB色彩模式;通过聚类和/或计算均值和/或计算中位数和/或计算众数方法获取所述RGB色彩模式的色彩特征。8.根据权利要求7所述的方法,其特征在于,所述通过聚类和/或计算均值和/或计算中位数和/或计算众数方法获取所述RGB色彩模式的色彩特征,包括:通过聚类和/或计算均值和/或计算中位数和/或计算众数方法获取与所述层级的数量一致的所述待学习数据的色彩特征。9.根据权利要求7所述的方法,其特征在于,所述根据所述先验特征为神经网络模型设置初始化参数,包括:根据所述色彩特征为所述神经网络模型中每一层级设置初始化参数。10.一种图像处理方法,其特征在于,包括:接收待识别图像;通过训练后的神经网络模型对待识别图像进行识别,所述训练后的神经网络模型是利用权利要求1-9任一项所述的图像处理方法训练获得的。11.一种图像处理装置,其特征在于,包括:先验特征获取模块,用于获取待学习数据的先验特征;初始化参数设置模块,用于根据所述先验特征为神经网络模型设置初始化参数;训练模块,用于根据所述待学习数据对所述神经网络模型进行训练,获得训练后的神经网络模型。12.根据权利要求11所述的装置,其特征在于,所述先验特征获取模块包括:数量确定单元,用于确定所述神经网络模型中层级的数量;获取单元,用于获取与...
【专利技术属性】
技术研发人员:杨少雄,赵晨,
申请(专利权)人:百度在线网络技术北京有限公司,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。