一种图像处理方法以及相关设备技术

本申请实施例公开一种图像处理方法以及相关设备，该方法可用于人工智能领域的图像处理领域中，方法可以包括：获取第一待处理图像，以及第一数据分布特性，第一数据分布特性包括与第一图像集合中图像对应的特征图的数据分布特性，第一待处理图像与第一图像集合的数据分布规律相同；对第一待处理图像进行特征提取，并根据第一数据分布特性，在进行特征提取过程中对第一特征图进行数据分布对齐，第一特征图为对第一待处理图像进行特征提取过程中生成的，执行过数据分布对齐后的特征图有着相似的数据分布，利用第一数据分布特性进行数据分布对齐，大跨度的将第一特征图的数据分布向神经网络的敏感数据区域拉近，提升对跨场景图像的特征提取性能。

【技术实现步骤摘要】
一种图像处理方法以及相关设备
本申请涉及人工智能领域，尤其涉及一种图像处理方法以及相关设备。
技术介绍
人工智能(ArtificialIntelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。利用人工智能进行图像处理是人工智能常见的一个应用方式。目前，广泛存在的数据域鸿沟问题，导致图像特征提取的泛化能力非常低，训练好的神经网络只能在与训练数据相同场景的应用数据上部署，否则其性能非常差甚至无法使用。因此，一种提升神经网络在跨场景的特征提取性能的方案亟待推出。
技术实现思路
本申请实施例提供了一种图像处理方法以及相关设备，利用第一数据分布特性对待处理图像的特征图进行数据分布对齐，第一数据分布特性为对根本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，所述方法包括：/n获取第一待处理图像；/n获取与所述第一待处理图像对应的第一数据分布特性，其中，所述第一数据分布特性包括与第一图像集合中图像对应的特征图的数据分布特性，所述第一待处理图像与所述第一图像集合的数据分布规律相同；/n对所述第一待处理图像进行特征提取，并根据所述第一数据分布特性，在进行特征提取过程中对第一特征图进行数据分布对齐，其中，所述第一特征图为对所述第一待处理图像进行特征提取过程中生成的。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：
获取第一待处理图像；
获取与所述第一待处理图像对应的第一数据分布特性，其中，所述第一数据分布特性包括与第一图像集合中图像对应的特征图的数据分布特性，所述第一待处理图像与所述第一图像集合的数据分布规律相同；
对所述第一待处理图像进行特征提取，并根据所述第一数据分布特性，在进行特征提取过程中对第一特征图进行数据分布对齐，其中，所述第一特征图为对所述第一待处理图像进行特征提取过程中生成的。


2.根据权利要求1所述的方法，其特征在于，所述对所述第一待处理图像进行特征提取之前，所述方法还包括：
获取与所述第一待处理图像对应的第二数据分布特性，所述第二数据分布特性为所述第一图像集合中图像的数据分布特性；
根据所述第二数据分布特性，对所述第一待处理图像进行数据分布对齐；
所述对所述第一待处理图像进行特征提取，包括：
对执行过数据分布对齐的所述第一待处理图像进行特征提取。


3.根据权利要求1或2所述的方法，其特征在于，所述第一数据分布特性包括均值和方差，所述均值和所述方差为对与所述第一图像集合中图像对应的特征图进行数据分布统计得到的；
所述对所述第一待处理图像进行特征提取，并根据所述第一数据分布特性，在进行特征提取过程中对第一特征图进行数据分布对齐，包括：
对所述第一待处理图像进行特征提取，并根据所述均值和所述方差，在进行特征提取过程中对所述第一特征图包括的特征图进行标准化处理。


4.根据权利要求1或2所述的方法，其特征在于，
所述第一待处理图像和所述第一图像集合中的图像来源于同一目标图像采集装置，或者，所述第一待处理图像的图像采集时刻和所述第一图像集合中图像的图像采集时刻均位于同一目标时间段内，或者，所述第一待处理图像和所述第一图像集合中的图像来源于同一图像采集地点，或者，所述第一待处理图像中的拍摄对象和所述第一图像集合包括的图像中的拍摄对象为同一对象类型。


5.根据权利要求1或2所述的方法，其特征在于，所述获取与所述第一待处理图像对应的第一数据分布特性之前，所述方法还包括：
获取采集所述第一待处理图像的目标图像采集装置的标识信息，并从第二图像集合包括的至少两个图像子集合中获取与所述目标图像采集装置的标识信息对应的所述第一图像集合，其中，所述第一图像集合为所述第二图像集合包括的至少两个图像子集合中的一个图像子集合，所述第一图像子集合包括通过所述目标图像采集装置采集到的图像。


6.根据权利要求1或2所述的方法，其特征在于，所述获取与所述第一待处理图像对应的第一数据分布特性之前，所述方法还包括：
获取采集所述第一待处理图像的图像采集时刻，并从第二图像集合包括的至少两个图像子集合中获取与所述第一待处理图像的图像采集时刻对应的所述第一图像集合，其中，所述第一图像集合为所述第二图像集合包括的至少两个图像子集合中的一个图像子集合，所述第一图像集合包括在目标时间段内采集的图像，所述第一待处理图像的图像采集时刻位于所述目标时间段内。


7.根据权利要求1或2所述的方法，其特征在于，所述对所述第一待处理图像进行特征提取，并根据所述第一数据分布特性，在进行特征提取过程中对第一特征图进行数据分布对齐，包括：
对所述第一待处理图像进行特征提取，并根据所述第一数据分布特性，在进行特征提取过程中对所述第一特征图进行数据分布对齐，得到所述第一待处理图像的特征信息；
所述得到所述第一待处理图像的特征信息之后，所述方法还包括：
根据所述第一待处理图像的特征信息，将所述第一待处理图像与第二图像集合中的图像进行匹配，得到匹配结果，其中，所述第一图像集合为所述第二图像集合包括的至少两个图像子集合中的一个图像子集合，所述匹配结果包括至少一个目标图像，所述目标图像与所述第一待处理图像包括同样的拍摄对象；或者，
根据所述第一待处理图像的特征信息，对所述第一待处理图像进行识别，得到所述第一待处理图像中拍摄对象的描述信息。


8.根据权利要求7所述的方法，其特征在于，所述根据所述第一待处理图像的特征信息，将所述第一待处理图像与所述第二图像集合中的图像进行匹配之前，所述方法还包括：
获取第二待处理图像和第三数据分布特性，其中，所述第二待处理图像为所述第二图像子集合中任一个图像，所述第三数据分布特性为与第三图像集合中图像对应的特征图的数据分布特性，所述第二待处理图像与所述第三图像集合中图像的数据分布规律相同；
对所述第二待处理图像进行特征提取，并根据所述第三数据分布特性，在进行特征提取过程中对第二特征图进行数据分布对齐，得到所述第二待处理图像的特征信息，其中，所述第二待处理图像为所述第三图像集包括的至少一个图像中任一个图像，所述第二特征图为对所述第二待处理图像进行特征提取过程中生成的；
重复执行上述步骤，直至得到所述第二图像集合中每个图像的特征信息；
所述根据所述第一待处理图像的特征信息，将所述第一待处理图像与所述第二图像集合中的图像进行匹配，得到匹配结果，包括：
将所述第一待处理图像的特征信息与所述第二图像集合中每个图像的特征信息进行匹配，得到所述匹配结果。


9.一种图像处理方法，其特征在于，所述方法包括：
从训练图像集合中获取至少两个训练图像，所述至少两个训练图像包括第一训练图像和第二训练图像，所述第一训练图像和所述第二训练图像中包括相同的拍摄对象；
获取与所述第一训练图像的特征图对应的数据分布特性，与所述第一训练图像的特征图对应的数据分布特性为与所述第一训练图像归属的训练图像子集合中图像对应的特征图的数据分布特性，所述第一训练图像与所述第一训练图像归属的训练图像子集合中图像的数据分布规律相同；
通过卷积神经网络对所述第一训练图像进行特征提取，并根据与所述第一训练图像的特征图对应的数据分布特性，在进行特征提取过程中对第三特征图进行数据分布对齐，得到第一训练图像的特征信息，其中，所述第三特征图为对所述第一训练图像进行特征提取过程中得到的；
获取与所述第二训练图像的特征图对应的数据分布特性，与所述第二训练图像的特征图对应的数据分布特性为与所述第二训练图像归属的训练图像子集合中图像对应的特征图的数据分布特性，所述第二训练图像与所述第二训练图像归属的训练图像子集合中图像的数据分布规律相同；
通过所述卷积神经网络对所述第二训练图像进行特征提取，并根据与所述第二训练图像的特征图对应的数据分布特性，在进行特征提取过程中对第四特征图进行数据分布对齐，得到所述第二训练图像的特征信息，其中，所述第四特征图为对所述第二训练图像进行特征提取过程中得到的；
根据所述第一训练图像的特征信息和所述第二训练图像的特征信息，通过损失函数对所述卷积神经网络进行训练，直至满足收敛条件，输出执行过迭代训练操作的卷积神经网络，其中，所述损失函数用于指示所述第一训练图像的特征信息和所述第二训练图像的特征信息之间的相似度。


10.一种图像处理方法，其特征在于，所述方法包括：
从训练图像集合中获取第三训练图像，第三训练图像为训练图像集合中的一个图像；
获取与所述第三训练图像的特征图对应的数据分布特性，与所述第三训练图像的特征图对应的数据分布特性为与所述第三训练图像归属的训练图像子集合中图像对应的特征图的数据分布特性；
通过卷积神经网络对所述第三训练图像进行特征提取，并根据与所述第三训练图像的特征图对应的数据分布特性，在进行特征提取过程中对第三特征图进行数据分布对齐，得到第三训练图像的特征信息，其中，所述第三特征图为对所述第三训练图像进行特征提取过程中得到的；
根据所述第三训练图像的特征信息进行图像识别，得到所述第三训练图像中拍摄对象的描述信息；
根据所述描述信息，通过损失函数对所述卷积神经网络进行训练，直至满足收敛条件，输出执行过迭代训练操作的卷积神经网络。


11.一种图像处理装置，其特征在于，所述装置包括：
获取模块，用于获取第一待处理图像；
所述获取模块，还用于获取与所述第一待处理图像对应的第一数据分布特性，其中，所述第一数据分布特性包括与第一图像集合中图像对应的特征图的数据分布特性，所述第一待处理图像与所述第一图像集合的数据分布规律相同；
特征提取模块，用于对所述第一待处理图像进行特征提取，并根据所述第一数据分...

【专利技术属性】
技术研发人员：魏龙辉，谢凌曦，田奇，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44