【技术实现步骤摘要】
图像的处理方法、系统、计算设备及存储介质
[0001]本申请涉及计算机
，尤其涉及一种图像的处理方法、系统、计算设备及存储介质。
技术介绍
[0002]随着信息技术的发展，计算机视觉得到了很好的发展，计算机视觉使得机器能够“看”事物，甚至观看包括人类无法看到的事物。特别是对于图像处理而言，在进行图像处理前，由于人们往往是对图像中某部分感兴趣，所以需要将感兴趣的这部分进行图像处理。但是对于多个种类的图像而言，在进行图像处理时，处理效率以及处理稳定性较差。
技术实现思路
[0003]本申请的多个方面提供一种图像的处理方法、系统、计算设备及存储介质，用以提高从多种模态图像中分割目标对象的处理效率以及处理稳定性。
[0004]本申请实施例提供一种图像的处理方法，包括：获取第一图像和第二图像，所述第一图像作为参考图像，所述第二图像作为待校准图像，所述第一图像和所述第二图像为针对同一目标对象的不同图像；将所述第一图像与所述第二图像输入至待训练模型中，获取第一图像与第二图像的位置差异数据以及所述目标对象，获取到的所述目标对象具有所述第一图像以及所述第二图像的图像特征；根据所述目标对象以及位置差异数据，对所述待训练模型进行训练。
[0005]本申请实施例还提供一种图像的处理方法，包括：获取第一图像和第二图像，所述第一图像作为参考图像，所述第二图像作为待校准图像，所述第一图像和所述第二图像为针对同一目标对象的不同图像；将所述第一图像与所述第二图像输入至图像处理模型中，获取所述目标对象，获取到的所述...
【技术保护点】
【技术特征摘要】
1.一种图像的处理方法，其特征在于，包括：获取第一图像和第二图像，所述第一图像作为参考图像，所述第二图像作为待校准图像，所述第一图像和所述第二图像为针对同一目标对象的不同图像；将所述第一图像与所述第二图像输入至待训练模型中，获取第一图像与第二图像的位置差异数据以及所述目标对象，获取到的所述目标对象具有所述第一图像以及所述第二图像的图像特征；根据所述目标对象以及位置差异数据，对所述待训练模型进行训练。2.根据权利要求1所述的方法，其特征在于，所述获取第一图像与第二图像的位置差异数据，包括：通过训练参数，获取所述第一图像以及所述第二图像的图像特征数据，所述训练参数用于获取所述待训练模型中每个图像的图像特征数据；根据所述图像特征数据，确定所述第一图像与所述第二图像之间的位置关系；根据所述位置关系，确定所述位置差异数据。3.根据权利要求1所述的方法，其特征在于，所述获取所述目标对象，包括：根据所述位置差异数据，拼接所述第一图像以及第二图像；根据拼接后图像，获取所述目标对象。4.根据权利要求3所述的方法，其特征在于，所述拼接所述第一图像以及第二图像，包括：根据所述位置差异数据，处理所述第二图像；拼接所述第一图像以及处理后的第二图像，得到所述拼接后图像。5.根据权利要求3或4所述的方法，其特征在于，所述根据拼接后图像，获取所述目标对象，包括：根据训练参数，获取所述拼接后图像的图像特征数据，所述训练参数用于获取所述待训练模型中每个图像的图像特征数据；根据所述拼接后图像的图像特征数据，从所述拼接后图像中分割出所述目标对象。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：将所述拼接后图像输入至所述待训练模型。7.根据权利要求1所述的方法，其特征在于，所述对所述待训练模型进行训练，包括：获取所述目标对象的参考图像；根据所述位置差异数据，处理所述第二图像；根据处理后图像以及所述第一图像，确定第一损失函数；根据所述目标对象以及所述目标对象的参考图像，确定第二损失函数；根据所述第一损失函数以及所述第二损失函数，训练所述待训练模型，生成图像处理模型。8.根据权利要求7所述的方法，其特征在于，所述确定第一损失函数，包括：根据所述处理后图像中像素点的梯度信息以及所述第一图像中像素点的梯度信息，确定所述第一损失函数。9.根据权利要求7或8所述的方法，其特征在于，所述训练所述待训练模型，包括：确定所述第一损失函数与所述第二损失函数的总和；
根据所述总和，调整训练参数，从而训练所述待训练模型，直至训练结果符合预期情况，所述训练参数用于获取所述待训练模型中每个图像的图像特征数据。10.根据权利要求2或5所述的方法，其特征在于，所述图像特征数据包括经过多个层次处理的多个层次特征数据。11.根据权利要求2或5所述的方法，其特征在于，获取图像特征数据，包括：根据所述训练参数以及采样层次，对所述图像进行下采样处理；根据所述训练参数以及采样层次，对最下采样层次处理后图像进行上采样处理；针对每个采样层次，拼接该采样层次的上采样处理后图像以及下采样处理后图像，并作为该采样层次的待上采样数据；将最上采样层次对应的待上采样数据作为所述图像特征数据。12.根据权利要求11所述的方法，其特征在于，所述采样层次包括至少两种采样层次。13.一种图像的处理方法，其特征在于，包括：获取第一图像和第二图像，所述第一图像作为参考图像，所述第二图像作为待校准图像，所述第一图像和所述第二图像为针对同一目标对象的不同图像；将所述第一图像与所述第二图像输入至图像处理模型中，获取所述目标对象，获取到的所述目标对象具有所述第一图像以及所述第二图像的图像特征。14.根据权利要求13所述的方法，其特征在于，所述方法还包括：获取第一图像与第二图像的位置差异数据；其中，获取所述目标对象，包括：根据所述差异数据，获取所述目标对象。15.根据权利要求14所述的方法，其特征在于，所述获取所述目标对象，包括：根据所述位置差异数据，处理所述第二图像；拼接所述第一图像以及处理后的第二图像，得到所述拼接后图像；从所述拼接后图像中分割出所述目标对象。16.根据权利要求13所述的方法，其特征在于，所述方法还包括：根据第三图像，对获取到的所述目标对象进行验证，所述第一图像、所述第二图像与所述第三图像为针对同一所述目标对象的不同图像；当验证结果为通过，则确定获取到的所述目标对象为最终目标对象。17.一种图像的处理系统，其特征在于，包括：第一设备以及第二设备；所述第一设备，获取第一图像和第二图像，所述第一图像作为参考图像，所述第二图像作为待校准图像，所述第一图像和所述第二图像为针对同一目标对象的不同图像；将所述第一图像以及所述第二图像发送至所述第二设备；所述第二设备，将所述第一图像与所述第二图像输入至图像处理模型中，获取所述目标对象，获取到的所述目标对象具有所述第一图像以及所述第二图像的图像特征；将所述目标对象发送至所述第一设备。18.一种图像的处理方法，其特征在于，包括：获取第一图像和第二图像，所述第一图像作为参考图像，所述第二图像作为待校准图像，所述第一图像和所述第二图像为针对同一目标对象的不同图像；将所述第一图像与所述第二图像输入至待训练模型中，通过待训练模型中第一子模
型，获取第一图像与第二图像的位置差异数据，通过位置差异数据以及待训练模型中第二子模型获取所述目标对象，获取到的所述目标对象具有所述第一图像以及所述第二图像的图像特征，所述第一子模型与第二子模型的训练参数相同；根据所述目标对象以及位置差异数据，对所述训练参数进行训练，从而对待训练模型进行训练。19.一种图像的处理方法，其特征在于，包括：获取第一医学图像和第二医学图像，所述第一医学图像和所述第二医学图像为针对同一异常区域的不同模态图像；将所述第一医学图像与所述第二医学图像输入至图像处理模型中，获取拼接所述第一医学图像和所述第二医学图像中的异常区域，获取到的所述异常区域具有所述第一医学图像以及所述第二医学图像的图像特征；提供所述异常区域的图像；所述第一医学图像作为参考图像，所述第二医学图像作为待校准图像。20.根据权利要求19所述的方法，其特征在于，所述获取拼接所述第一医学图像和所述第二医学图像中的异常区域，包括：通过所述图像处理模型，获取所述第一医学图像以及所述第二医学图像的位置差异数据；通过所述图像处理模型，根据所述差异数据，处理所述第二医学图像；通过所述图像处理模型，拼接所述第一图像以及处理后的第二图像，得到所述拼接后图像；通过所述图像处理模型，从所述拼接后图像中分割出所述异常区域。21.根据权利要求19所述的方法，其特征在于，所述方法还包括：获取用户标识，根据用户标识确定用户等级或用户权限；根据用户等级或用户权限，获取并提供该用户对应的异常区域的图像。22.根据权利要求21所述的方法，其特征在于，所述方法还包括：根据用户等级或用户权限，确定图像处理服务的使用费用、图像处理服务的等待时间、所述使用费用的付款方式和/或提供获取到图像的方式。23.一种图像的处理方法，其特征在于，包括：获取第一医学图像和第二医学图像，所述第一医学图像和所述第二医学图像为针对同一异常区域的不同模态图像；将所述第一医学图像与所述第二医学图像输入至图像处理模型中，获取拼接所述第一医学图像和所述第二医学图像中的异常区域，并确定所述异常区域所在位置，获取到的所述异常区域具有所述第一医学图像以及所述第二医学图像的图像特征；提供所述异常区域的图像以及位置，所述第一医学图像作为参考图像，所述第二医学图像作为待校准图像。24.一种图像的处理方法，其特征在于，包括：获取第一监控图像和第二监控图像，所述第一监控图像以及所述第二监控图像来自不同监控设备，所述第一监控图像作为参考图像，所述第二监控图像作为待校准图像，所述第一监控图像和所述第二监控图像为针对同一监控目标对象的不同图像；
将所述第一监控图像与所述第二监控图像输入至图像处理模型中，获取所述监控目标对象，获取到的所述监控目标对象具有所...
【专利技术属性】
技术研发人员：唐喆，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：
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。