一种特征提取模型训练方法、图像处理方法及装置制造方法及图纸

本申请提供了一种特征提取模型训练方法、图像处理方法及装置，该方法通过获取样本图像集合，从样本图像集合中选取二值样本图像，并将选取的二值样本图像输入至待训练的特征提取模型中，提取选取的二值样本图像中每个像素点的特征向量；并根据选取的二值样本图像中每个像素点的标注，从提取出的特征向量中分别选取出带有每种标注的多个目标像素点的结构特征向量；通过对带有每种标注的多个目标像素点的结构特征向量进行重构操作，得到每种标注对应的重构图像；基于每种标注对应的重构图像和与每种标注对应的参考分割图像，对待训练的特征提取模型进行训练，直至确定待训练的特征提取模型训练完成。通过这种方法，提高了图像处理的精确度。

【技术实现步骤摘要】
一种特征提取模型训练方法、图像处理方法及装置
本申请涉及图像处理
，尤其是涉及一种特征提取模型训练方法、图像处理方法及装置。
技术介绍
现有技术中，在利用神经网络进行图像分割或图像识别时，所需要的神经网络都需要经过大量样本图像的训练，而训练出的神经网络只能分割或识别训练该神经网络时的同类的样本图像，例如，训练某一神经网络时利用的是大量的狗的图像，则训练出的神经网络只能识别或分割狗的图像，当通过该神经网络进行猫的图像的识别或检测时，无法得到准确的结果。在某些领域，无法提供大量的样本图像，而当传统的神经网络应用于无法提供大量样本图像的领域时，对于图像处理的精确度都较低。
技术实现思路
有鉴于此，本申请的目的在于提供一种特征提取模型训练方法、图像处理方法及装置，以提高图像处理的精确度。第一方面，本申请实施例提供了一种特征提取模型训练方法，包括：获取样本图像集合，其中，所述样本图像集合中包含多组样本对，每种样本对中包括带有标注的二值样本图像和与所述二值样本图像中每种标注对应的参考分割图像，所述标本文档来自技高网...

【技术保护点】
1.一种特征提取模型训练方法，其特征在于，包括：/n获取样本图像集合，其中，所述样本图像集合中包含多组样本对，每种样本对中包括带有标注的二值样本图像和与所述二值样本图像中每种标注对应的参考分割图像，所述标注的种类包括每种物体图像区域的标注和背景图像区域的标注；/n从所述样本图像集合中选取二值样本图像，并将选取的二值样本图像输入至待训练的特征提取模型中，提取所述选取的二值样本图像中每个像素点的特征向量；并，根据所述选取的二值样本图像中每个像素点的标注，从提取出的特征向量中分别选取出带有每种标注的多个目标像素点的结构特征向量；/n通过对带有每种标注的多个目标像素点的结构特征向量进行重构操作，得到每...

【技术特征摘要】
1.一种特征提取模型训练方法，其特征在于，包括：
获取样本图像集合，其中，所述样本图像集合中包含多组样本对，每种样本对中包括带有标注的二值样本图像和与所述二值样本图像中每种标注对应的参考分割图像，所述标注的种类包括每种物体图像区域的标注和背景图像区域的标注；
从所述样本图像集合中选取二值样本图像，并将选取的二值样本图像输入至待训练的特征提取模型中，提取所述选取的二值样本图像中每个像素点的特征向量；并，根据所述选取的二值样本图像中每个像素点的标注，从提取出的特征向量中分别选取出带有每种标注的多个目标像素点的结构特征向量；
通过对带有每种标注的多个目标像素点的结构特征向量进行重构操作，得到每种标注对应的重构图像；
基于每种标注对应的重构图像和与每种标注对应的参考分割图像，对所述待训练的特征提取模型进行训练，直至确定所述待训练的特征提取模型训练完成。


2.根据权利要求1所述的方法，其特征在于，所述根据所述选取的二值样本图像中每个像素点的标注，从提取出的特征向量中分别选取出带有每种标注的多个目标像素点的结构特征向量，包括：
按照带有每种标注的像素点的预设选取比例，确定所述二值样本图像中符合所述预设选取比例的带有每种标注的多个目标像素点；
从提取出的特征向量中选取带有每种标注的多个目标像素点的结构特征向量。


3.根据权利要求1所述的方法，其特征在于，所述基于每种标注对应的重构图像和与每种标注对应的参考分割图像，对所述待训练的特征提取模型进行训练，直至确定所述待训练的特征提取模型训练完成，包括：
将每种标注对应的重构图像与该标注对应的参考分割图像进行对比，确定本次训练的准确率，当确定的准确率小于预设准确率时，调整所述待训练的特征提取模型的模型参数，并重新选取二值样本图像，输入至调整模型参数后的特征提取模型中，重新执行训练过程，直至确定出的准确率不小于预设准确率；
当确定出的准确率不小于预设准确率时，确定所述待训练的特征提取模型训练完成。


4.一种图像处理方法，其特征在于，包括：
获取待处理图像；
将所述待处理图像转换为二值图像；
将转换后的二值图像输入至通过上述权利要求1-3任意一项所述的特征提取模型训练方法训练得到的特征提取模型中，得到所述待处理图像的结构特征向量；
对所述待处理图像的结构特征向量进行重构操作，得到所述待处理图像所对应分割图像。


5.根据权利要求4所述的方法，其特征在于，在得到所述待处理图像的结构特征向量之后，还包括：
将所述待处理图像的结构特征向量与数据库中存储的参考结构特征向量进行匹配，确定所述待处理图像的结构特征向量与所述数据库中存储的每一个参考结构特征向量的相似率；
确定所述相似率大于预设相似率的参考结构特征向量为目标结构特征向量；
确定所述待处理图像的图像类别为所述目标结构特征向量对应的图像类别。


6.一种特征提取模型训练装置，其特征在于，包括：
第一获取模块，用于获取样本图像集合，其中，所述样本图像集合中包含多组样本对，每种样本对中包括带有标注的二值样本图像和与所述二值样本图像中每种标注对应的参考分割图像，所述标注的种类包括每种物体图像区域的标注和背景图像区域的标注；
提取模块，用于从所述样本图像集合中选取二值样本图像，并将选取的二值样本图像输入至待训练...

【专利技术属性】
技术研发人员：黄永祯，曹春水，王继隆，张俊峰，
申请(专利权)人：银河水滴科技北京有限公司，
类型：发明
国别省市：北京;11