【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
深度学习是机器学习研究中的一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据，其在计算机视觉、语音识别以及自然语言处理等多领域内有着广泛的应用。当前计算机视觉方向的深度学习网络一般分为两个步骤，特征提取和具体任务处理，具体任务包括分类、检测、分割等。一般特征提取的噪声越少和后面具体任务越相关，后面具体任务也会得到更好的结果。由于大部分具体任务中，只有目标对象的特征是有用的，背景信息特征不仅无用相反会带来噪声，但由于之前两个步骤一起训练方案没有主动控制特征的学习，而且由于训练数据有限性以及特征空间到具体任务结果的映射空间比较大，所以很容易就会把背景的特征信息保留下来，由于实际应用和训练无法完全保持一致，这样有噪声的特征在具体应用的时候有可能会导致任务的失败。
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于神经网络模型学习的数据中无用的数据太...
【技术保护点】
1.一种图像处理方法，其特征在于，包括：对待处理图像中的有效信息进行提取，获得只包含有效信息的第一待学习数据；通过所述第一待学习数据对预设的待训练模型进行训练，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：对待处理图像中的有效信息进行提取，获得只包含有效信息的第一待学习数据；通过所述第一待学习数据对预设的待训练模型进行训练，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，所述对待处理图像中的有效信息进行提取，获得只包含有效信息的第一待学习数据，包括：分别对所述待处理图像中的有效信息与无效信息进行标注；通过预设的对抗网络对标注后的所述待处理图像中的有效信息进行提取，获得只包含有效信息的第一待学习数据。3.根据权利要求2所述的方法，其特征在于，所述通过预设的对抗网络对标注后的所述待处理图像中的有效信息进行提取，获得只包含有效信息的第一待学习数据，包括：通过生成器对标注后的所述待处理图像中的有效信息进行提取；通过判别器判断所述生成器提取的有效信息与真实有效信息的相似度是否小于预设的阈值；若是，则获得只包含有效信息的第一待学习数据；若否，则返回执行通过生成器对标注后的所述待处理图像中的有效信息进行提取的步骤，直至所述生成器提取的有效信息与真实有效信息的相似度小于预设的阈值。4.根据权利要求2所述的方法，其特征在于，所述分别对所述待处理图像中的有效信息与无效信息进行标注，包括：通过预设的向量转换模型对所述待处理图像进行处理，获得所述待处理图像对应的特征向量；分别对所述特征向量中的有效信息与无效信息进行标注。5.根据权利要求1所述的方法，其特征在于，所述对待处理图像中的有效信息进行提取，获得只包含有效信息的待学习数据之后，还包括：在所述第一待学习数据上随机添加不同的噪声，获得包含多种不同背景的第二待学习数据；通过所述第二待学习数据对预设的待训练模型进行训练，获得训练后的神经网络模型。6.一种图像处理方法，其特征在于，包括：接收待识别图像；通过神经网络模型对所述待识别图像进行识别，所述神经网络模型是利用权利要求1-5中任一项所述的图像处理方法训练获得的。7.一种图像处理装置，其特征在于，包括：提取模块，用于对待处理图像中的有效信息进行提取，获得只包含有效信息的第一待学习数据；第一训练模块，用于通过所述第一待学习数据对预设的待训练模型进行训练，获得训练后的神经网络模型。8.根据权利要求7所述的装置，其特征在于，所述提取模块包括：标注单元，用于分别对所述待处理图像中的有效信...
【专利技术属性】
技术研发人员：徐化永，张永杰，李颖超，
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。