图像处理方法和装置制造方法及图纸

本公开提供了一种图像处理方法，该方法包括：获取目标图像；获取图像处理模型，图像处理模型可识别图像中的N类对象；向图像处理模型输入目标图像，以便图像处理模型执行以下操作：扫描目标图像，以确定目标图像中包含的至少一个对象；针对至少一个对象中的每个对象，确定对象是否是N类对象中的一类；如果确定对象是N类对象中的一类，则对对象标注第一标签；并且/或者如果确定对象不是N类对象中的一类，则对对象标注第二标签。本公开还提供了一种图像处理装置、一种电子设备以及一种计算机可读存储介质。

Image processing method and device

【技术实现步骤摘要】
图像处理方法和装置
本公开涉及一种图像处理方法和装置。
技术介绍
目前，广泛应用于模型训练的有监督机器学习通常需要大量的图像标注支持才能达到更好的训练效果。而目前图像标注主要依靠人工完成，非常地耗时耗力。对此，相关技术中提供了一种通过神经网络训练的模型。这种模型能够识别并标注指定数量的物体或场景类型。比如ImageNet有1000种类型，在这个数据集上训练完成后，模型就可以认识并标注这1000种类型的场景或物体。当新增加N种类型的场景或物体时，模型就无法识别了。此时需要采集大量的关于这N种新类型的图片，然后与已知的1000种类型的数据集一起进行训练，模型才会认识并标注这新来的N种类型的场景或物体。以此类推，当再新增加M种类型的场景或物体时，还需要再次将之前已经训练好的1000+N种类型的数据集与新增加的M种类型的数据集一起进行训练，才能得到能够识别并标注这1000+N+M种类型的场景或物体的分类器。可见，相关技术中已经训练好的模型无法识别并标注新增加的场景或物体类型。为了能够识别并标注新增加的场景或物体类型，每增加一次新类型，就本文档来自技高网...

【技术保护点】
1.一种图像处理方法，包括：/n获取目标图像；/n获取图像处理模型，所述图像处理模型可识别图像中的N类对象；/n向所述图像处理模型输入所述目标图像，以便所述图像处理模型执行以下操作：/n扫描所述目标图像，以确定所述目标图像中包含的至少一个对象；/n针对所述至少一个对象中的每个对象，确定所述对象是否是所述N类对象中的一类；/n如果确定所述对象是所述N类对象中的一类，则对所述对象标注第一标签；并且/或者/n如果确定所述对象不是所述N类对象中的一类，则对所述对象标注第二标签。/n

【技术特征摘要】
1.一种图像处理方法，包括：
获取目标图像；
获取图像处理模型，所述图像处理模型可识别图像中的N类对象；
向所述图像处理模型输入所述目标图像，以便所述图像处理模型执行以下操作：
扫描所述目标图像，以确定所述目标图像中包含的至少一个对象；
针对所述至少一个对象中的每个对象，确定所述对象是否是所述N类对象中的一类；
如果确定所述对象是所述N类对象中的一类，则对所述对象标注第一标签；并且/或者
如果确定所述对象不是所述N类对象中的一类，则对所述对象标注第二标签。


2.根据权利要求1所述的方法，还包括：
提取所述对象的特征信息；
获取所述第二标签的标签数据；
通过所述对象的特征信息和所述标签数据，确定与所述对象对应的对象类别的模式信息；
保存与所述对象对应的对象类别的模式信息，以便再次训练所述图像处理模型时使用。


3.根据权利要求1所述的方法，其中，所述确定所述对象是否是所述N类对象中的一类，包括：
提取所述对象的特征信息；
获取所述N类对象中每类对象的特征信息；以及
通过计算所述对象的特征信息与所述每类对象的特征信息的相似度来确定所述对象是否是所述N类对象中的一类。


4.根据权利要求1所述的方法，还包括：
获取第一训练集，所述第一训练集中包含多张已标注所述第一标签的第一图像和多张未做标注的第二图像，且所述第一训练集中包含的图像中包含所述N类对象；以及
向神经网络输入多张所述第一图像和多张所述第二图像，以训练所述图像处理模型。


5.根据权利要求4所述的方法，还包括在训练所述图像处理模型的过程中：
获取所述第一标签的标签数据；
获取每张所述第一图像和每张所述第二图像对应于所述神经网络的预设网络层的第一响应值；
根据所述第一响应值和所述第一标签的标签数据确定所述N类对象中每类对象的模式信息；以及
保存所述每类对象的模式信息。

【专利技术属性】
技术研发人员：徐霄，刘景贤，
申请(专利权)人：联想北京有限公司，
类型：发明
国别省市：北京;11