【技术实现步骤摘要】
一种图像的处理方法、装置及设备
[0001]本文件涉及计算机
,尤其涉及一种图像的处理方法、装置及设备。
技术介绍
[0002]针对识别图像是否包含某种特定的风险元素的任务,常规的识别方式是通过预先设定的检测算法检测图像中是否含有该风险元素,然而,上述检测算法需要预先确定该风险元素所在的范围。此外,还可以通过预先训练模型的方式检测图像中是否含有该风险元素,但是,在此种方式下,如果该风险元素为新出现的风险元素,则通过上述模型无法识别该新出现的风险元素,而在很多业务场景下,经常会出现新的风险元素,为此,需要提供一种更优的风险元素识别机制,以适应开放式的风险元素识别任务。
技术实现思路
[0003]本说明书实施例的目的是提供一种更优的风险元素识别机制,以适应开放式的风险元素识别任务。
[0004]为了实现上述技术方案,本说明书实施例是这样实现的:
[0005]本说明书实施例提供的一种图像的处理方法,所述方法包括:获取待检测的目标图像和包含预设风险元素的第一图像。分别对所述目标图像和所述第一图像进行下采样处理,得到所述目标图像对应的下采样图像和所述第一图像对应的下采样图像。对所述目标图像对应的下采样图像和所述第一图像对应的下采样图像进行图像融合处理,得到融合后的下采样图像。对所述融合后的下采样图像进行上采样处理,得到语义分割图像,并确定所述语义分割图像中是否包括所述预设风险元素。
[0006]本说明书实施例提供的一种图像的处理方法,应用于区块链系统,所述方法包括:获取对图像进行预 ...
【技术保护点】
【技术特征摘要】
1.一种图像的处理方法,所述方法包括:获取待检测的目标图像和包含预设风险元素的第一图像;分别对所述目标图像和所述第一图像进行下采样处理,得到所述目标图像对应的下采样图像和所述第一图像对应的下采样图像;对所述目标图像对应的下采样图像和所述第一图像对应的下采样图像进行图像融合处理,得到融合后的下采样图像;对所述融合后的下采样图像进行上采样处理,得到语义分割图像,并确定所述语义分割图像中是否包括所述预设风险元素。2.根据权利要求1所述的方法,所述分别对所述目标图像和所述第一图像进行下采样处理,得到所述目标图像对应的下采样图像和所述第一图像对应的下采样图像,包括;分别将所述目标图像和所述第一图像输入到预先训练的神经网络模型中,以通过所述神经网络模型中的条件子模型对所述目标图像和所述第一图像进行下采样处理,得到所述目标图像对应的下采样图像和所述第一图像对应的下采样图像,所述神经网络模型是通过包含预设风险元素的第一图像样本和预先获取的第二图像样本进行模型训练后得到。3.根据权利要求2所述的方法,所述对所述融合后的下采样图像进行上采样处理,得到语义分割图像,包括:将所述融合后的下采样图像输入到所述神经网络模型中,以通过所述神经网络模型中的语义分割子模型对所述融合后的下采样图像进行上采样处理,得到所述语义分割图像。4.根据权利要求3所述的方法,所述神经网络模型为全卷积网络模型。5.根据权利要求4所述的方法,所述方法还包括:构建所述神经网络模型的模型架构,所述模型架构中包括待确定的模型参数;获取多个包含不同预设风险元素的第一图像样本,并获取多个不同的第二图像样本,所述多个不同的第二图像样本中包括设置有所述预设风险元素的第二图像样本和/或未设置有所述预设风险元素的第二图像样本;分别将所述第一图像样本和所述第二图像样本输入到所述神经网络模型中,以通过所述神经网络模型中的条件子模型对第一图像样本和所述第二图像样本进行下采样处理,得到所述第一图像样本对应的下采样图像和所述第二图像样本对应的下采样图像;对所述第一图像样本对应的下采样图像和所述第二图像样本对应的下采样图像进行融合处理,得到融合后的下采样图像样本;将所述融合后的下采样图像样本输入到所述神经网络模型中,以通过所述神经网络模型中的语义分割子模型对所述融合后的下采样图像样本进行上采样处理,得到语义分割图像样本,以基于所述语义分割图像样本、所述第一图像样本和所述第二图像样本确定所述模型参数。6.根据权利要求1所述的方法,所述确定所述语义分割图像中是否包括所述预设风险元素,包括:对所述语义分割图像中包含的每个像素进行分类,得到每个像素对应的类别;基于每个像素对应的类别,确定所述语义分割图像中是否包括所述预设风险元素。7.根据权利要求6所述的方法,所述对所述语义分割图像中包含的每个像素进行分类,得到每个像素对应的类别,包括:
基于预设的二分类算法对所述语义分割图像中包含的每个像素进行分类,得到每个像素对应的类别。8.一种图像的处理方法,应用于区块链系统,所述方法包括:获取对图像进行预设风险元素检测的风险检测规则,并基于所述风险检测规则生成相应的第一智能合约,将所述第一智能合约部署于所述区块链系统中;获取待检测的目标图像,并基于所述第一智能合约获取包含预设风险元素的第一图像;基于所述第一智能合约执行下述处理:分别对所述目标图像和所述第一图像进行下采样处理,得到所述目标图像对应的下采样图像和所述第一图像对应的下采样图像;对所述目标图像对应的下采样图像和所述第一图像对应的下采样图像进行图像融合处理,得到融合后的下采样图像;对所述融合后的下采样图像进行上采样处理,得到语义分割图像,并确定所述语义分割图像中是否包括所述预设风险元素。9.根据权利要求8所述的方法,基于所述第一智能合约分别对所述目标图像和所述第一图像进行下采样处理,得到所述目标图像对应的下采样图像和所述第一图像对应的下采样图像,包括;基于所述第一智能合约获取预先训练的神经网络模型,所述神经网络模型是通过包含预设风险元素的第一图像样本和预先获取的第二图像样本进行模型训练后得到;基于所述第一智能合约分别将所述目标图像和所述第一图像输入到所述神经网络模型中,以通过所述神经网络模型中的条件子模型对所述目标图像和所述第一图像进行下采样处理,得到所述目标图像对应的下采样图像和所述第一图像对应的下采样图像。10.根据权利要求8所述的方法,基于所述第一智能合约对所述融合后的下采样图像进行上采样处理,得到语义分割图像,并确定所述语义分割图像中是否包括所述预设风险元素,包括:基于所述第一智能合约获取预先训练的神经网络模型,所述神经网络模型是通过包含预设风险元素的第一图像样本和预先获取的第二图像样本进行模型训练后得到;基于所述第一智能合约将所...
【专利技术属性】
技术研发人员:唐董琦,
申请(专利权)人:支付宝杭州信息技术有限公司,
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。