图像处理方法、装置、机器学习模型训练方法及装置制造方法及图纸

本说明书提供图像处理方法、装置、机器学习模型训练方法及装置，其中所述图像处理方法包括：获取待处理图像，所述待处理图像中的被拍摄者佩戴眼镜；通过预先训练的转换网络对所述待处理图像进行处理，获得处理后的图像，其中，所述处理后的图像中所述被拍摄者佩戴的眼镜被摘除；利用所述处理后的图像，对所述被拍摄者进行人脸识别。

Image processing method, device, machine learning model training method and device

【技术实现步骤摘要】
图像处理方法、装置、机器学习模型训练方法及装置
本说明书涉及人脸识别
，特别涉及图像处理方法、装置、机器学习模型训练方法及装置。
技术介绍
在人脸识别中，通常会受到人脸戴眼镜的影响，降低了人脸识别的准确率，现在市场中普遍的应用是基于PCA(主成分分析principalcomponentsanalysis)技术和DCNN(深度卷积神经网络DeepConvolutionalNeuralNetwork)技术进行去除眼镜，但是这两种方法受到很多因素的干扰，基本在红外图上进行处理，从而达不到实际应用效果，现在人脸图像采集时一般使用彩色图像，而去除眼镜的处理方式大部分的技术都不是end-to-end，过程复杂，不能在实际应用中使用，从而使戴眼镜的人脸进行识别时，准确度不够高，即识别出来的人脸图像与真实人脸图像误差较大，用户的体验效果不佳。
技术实现思路
有鉴于此，本说明书实施例提供了一种图像处理方法、装置、机器学习模型训练方法及装置以及计算设备及存储介质，以解决现有技术中存在的技术缺陷。根据本说明书实施例的第一方面，提供了本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括/n获取待处理图像，所述待处理图像中的被拍摄者佩戴眼镜；/n通过预先训练的转换网络对所述待处理图像进行处理，获得处理后的图像，其中，所述处理后的图像中所述被拍摄者佩戴的眼镜被摘除；/n利用所述处理后的图像，对所述被拍摄者进行人脸识别。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括
获取待处理图像，所述待处理图像中的被拍摄者佩戴眼镜；
通过预先训练的转换网络对所述待处理图像进行处理，获得处理后的图像，其中，所述处理后的图像中所述被拍摄者佩戴的眼镜被摘除；
利用所述处理后的图像，对所述被拍摄者进行人脸识别。


2.根据权利要求1所述的方法，其特征在于，所述获取待处理图像包括：
获取待处理的原始图像；
利用第一分类器从所述原始图像中筛选出被拍摄者佩戴眼镜的图像；
将被拍摄者佩戴眼镜的图像确定为待处理图像。


3.一种机器学习模型训练方法，其特征在于，包括：
利用训练好的第一分类器对原始样本数据中被拍摄者佩戴眼镜的状态进行标记；
从已标记的图像中获取第一数据集Sn与第二数据集Sp，其中Sn中的图像为被拍摄者不佩戴眼镜，Sp中的图像为被拍摄者佩戴眼镜；
基于所述第一数据集Sn和第二数据集Sp对通过机器学习模型实现的转换网络进行训练，所述转换网络使得同一个被拍摄者佩戴眼镜的图像与被拍摄者不佩戴眼镜的图像相关联。


4.根据权利要求3所述的方法，其特征在于，所述第一分类器通过如下步骤训练：
获取样本图像以及所述样本图像对应的样本标签，所述样本标签用于标识样本图像中的被拍摄者是否佩戴了眼镜，所述样本图像中包括被拍摄者不佩戴眼镜的图像和被拍摄者佩戴眼镜的图像；
基于所述训练样本和所述样本标签训练第一分类器，所述第一分类器使被拍摄者的图像与佩戴眼镜的状态相关联。


5.根据权利要求3所述的方法，其特征在于，所述从已标记的图像中获取第一数据集Sn与第二数据集Sp之前还包括：
利用第二分类器对已标记的图像是否具有光照进行标记，选择数量均衡的不包含光照信息的图像和包含光照信息的图像作为随机采样的基础；
和/或
利用第三分类器对已标记的图像中的人脸的性别进行标记，选择数量均衡的不同性别的人脸图像作为随机采样的基础。


6.根据权利要求3所述的方法，其特征在于，还包括：
在所述第一数据集Sn和所述第二数据...

【专利技术属性】
技术研发人员：张雪，王冲，杜瑶，张彦刚，
申请(专利权)人：北京猎户星空科技有限公司，
类型：发明
国别省市：北京;11