【技术实现步骤摘要】
图像处理方法及装置、电子设备和存储介质
本公开涉及计算机
，尤其涉及一种图像处理方法及装置、电子设备和存储介质。
技术介绍
在深度学习网络的计算机视觉任务中，例如人脸识别任务、图像分类任务等，通常需要依赖大量准确的标注数据。标签数据可以通过人工标注的方式获取，为了节省对图像标注的成本，可以通过将用于网络图像搜索的关键词作为网络图像的网络标签，形成网络图像数据集。利用网络标签最基本的方法是将网络标签视为网络图像的真实标签，从而直接用于训练深度学习网络。但是，由于诸如语义歧义之类的问题，网络标签的准确性通常难以得到保证。
技术实现思路
本公开提出了一种图像处理技术方案。根据本公开的一方面，提供了一种图像处理方法，包括：获取待识别的目标图像；利用已训练的图像识别网络对所述目标图像进行识别，确定所述目标图像中目标对象的类别信息，其中，所述已训练的图像识别网络是基于样本图像的样本标签所对应的置信度对初始状态的图像识别网络进行训练得到的，所述样本标签所对应的置信度是基于所述初始状态的图像识别网络...
【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n获取待识别的目标图像；/n利用已训练的图像识别网络对所述目标图像进行识别，确定所述目标图像中目标对象的类别信息，其中，所述已训练的图像识别网络是基于样本图像的样本标签所对应的置信度对初始状态的图像识别网络进行训练得到的，所述样本标签所对应的置信度是基于所述初始状态的图像识别网络输出的所述样本图像的第一识别结果得到的。/n
【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
获取待识别的目标图像；
利用已训练的图像识别网络对所述目标图像进行识别，确定所述目标图像中目标对象的类别信息，其中，所述已训练的图像识别网络是基于样本图像的样本标签所对应的置信度对初始状态的图像识别网络进行训练得到的，所述样本标签所对应的置信度是基于所述初始状态的图像识别网络输出的所述样本图像的第一识别结果得到的。
2.根据权利要求1所述的方法，其特征在于，所述目标图像具有网络标签；所述方法还包括：
基于所述目标图像中目标对象的类别信息，对所述目标图像的网络标签进行检验，得到检验结果；
根据所述检验结果确定所述目标图像的标注信息。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
将所述目标图像中目标对象的类别信息，作为所述目标图像的标注信息。
4.根据权利要求1至3任意一项所述的方法，其特征在于，所述方法还包括：
对所述初始状态的图像识别网络进行N轮训练，得到所述已训练的图像识别网络，N为大于1的整数，
其中，针对所述N轮训练中的第i轮训练，所述对所述初始状态的图像识别网络进行N轮训练，得到所述已训练的图像识别网络，包括：
基于所述样本标签对应的第一损失、所述第一识别结果对应的第二损失和所述样本标签所对应的置信度，对第i-1个训练状态的图像识别网络进行一轮训练，得到第i个训练状态的图像识别网络，i为整数且1<i≤N。
5.根据权利要求4所述的方法，其特征在于，所述基于所述样本标签对应的第一损失、所述第一识别结果对应的第二损失和所述样本标签所对应的置信度，对第i-1个训练状态的图像识别网络进行一轮训练，得到第i个训练状态的图像识别网络，包括：
根据所述样本标签所对应的置信度，对所述第一损失和所述第二损失进行加权求和，得到所述样本图像对应的网络损失；
基于所述网络损失对所述第i-1个训练状态的图像识别网络进行一次训练，得到第i个训练状态的图像识别网络。
6.根据权利要求4或5所述的方法，其特征在于，所述方法还包括：
获取所述样本图像的增强图像，其中，所述增强图像是对所述样本图像进行增强处理得到的；
将所述增强图像输入所述第i-1个训练状态的图像识别网络，得到所述增强图像的第二识别结果；
根据所述样本图像的样本标签以及所述第二识别结果，确定所述样本标签对应的第一损失。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
将所述样本图像输入所述初始状态的图像识别网络，得到所述样本图像的第一识别结果；
根据所述第一识别结果和所述第二识别结果，确定所述第一识别结果对应的第二损失。
8.根据权利要求1至7任意一项所述的方法，其特征在于，所述方法还包括：
在所述样本图像的第...
【专利技术属性】
技术研发人员：杨靖康，冯俐铜，陈伟嵘，严肖朋，郑华滨，张伟，
申请(专利权)人：商汤集团有限公司，
类型：发明
国别省市：中国香港;81
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。