【技术实现步骤摘要】
图像处理方法、装置、设备及存储介质
[0001]本申请涉及计算机视觉
,尤其涉及一种图像处理方法、装置、设备及存储介质。
技术介绍
[0002]随着图像处理技术的快速发展,利用计算机对图像进行处理、分析和理解,能够识别出图像中的目标对象或者实现图像防伪的鉴定。其中,目标对象的颜色评估是图像处理中的一个重要组成部分,其在目标对象的身份认证和图像防伪中起到了辅助作用。
[0003]现有的图像识别主要是基于深度学习方法实现的。具体的,利用图像分类模型对图像中的目标对象进行种类、颜色等特征的提取和评估,以实现对目标对象身份的认证,进而为后续的实际应用提供了前提条件。例如,在宠物理赔场景中,准确的认证宠物个体的身份,能够有效的提升宠物险理赔速度、降低自动化理赔风险,节约人工成本。
[0004]然而,在实际应用中,由于图像中除了包括目标对象外,还可能会存在其他因素的干扰,例如,图像中的背景、目标对象的衣着等,这些因素都会干扰目标对象的种类和颜色识别,导致目标对象的身份认证失败,对后续的对象身份应用存在一定的影响。
技术实现思路
[0005]本申请提供一种图像处理方法、装置、设备及存储介质,用以解决现有技术中对象颜色识别不准确的问题。
[0006]第一方面,本申请提供一种图像处理方法,包括:
[0007]获取待处理图像;
[0008]在所述待处理图像中包含目标对象时,将所述待处理图像输入到预先训练的图像分割模型中进行语义分割,得到所述目标对象的像素区域图;
[0
【技术保护点】
【技术特征摘要】
1.一种图像处理方法,其特征在于,包括:获取待处理图像;在所述待处理图像中包含目标对象时,将所述待处理图像输入到预先训练的图像分割模型中进行语义分割,得到所述目标对象的像素区域图;将所述像素区域图输入到预先训练的颜色评估模型中,确定所述目标对象的颜色。2.根据权利要求1所述的方法,其特征在于,所述方法还包括:获取第一图像样本集合,所述第一图像样本集合包括:多张正样本图像,每张正样本图像中包含有已标注检测框的至少一个目标类对象;对所述多张正样本图像进行处理,得到所述至少一类目标类对象的语义分割样本集合,所述语义分割样本集合包括:多张目标类图像,每张目标类图像包括:至少一类目标类对象的像素区域和背景区域;利用所述语义分割样本集合对预设的语义分割网络进行训练,得到所述图像分割模型,所述图像分割模型用于对每张目标类图像进行分割,去除每张目标类图像中的背景区域,输出只包含目标类对象的像素区域的像素区域图。3.根据权利要求2所述的方法,其特征在于,所述对所述多张正样本图像进行处理,得到所述至少一类目标类对象的语义分割样本集合,包括:根据每张正样本图像中的已标注检测框,对每张正样本图像进行裁剪,保留每张正样本图像中的已标注检测框,得到每张正样本图像对应的目标类图像;对每张目标类图像中的目标类对象进行像素标注,在每张目标类图像中,确定出至少一类目标类对象的像素区域和背景区域。4.根据权利要求2所述的方法,其特征在于,所述方法还包括:对所述至少一类目标类对象的语义分割样本集合进行语义分割,得到所述至少一类目标类对象的至少一张像素区域图;获取每张像素区域图中目标类对象的颜色类型;根据所述至少一张像素区域图中目标类对象的颜色类型和预设的多种颜色类型集合,对预设的神经网络进行训练,得到所述颜色评估模型。5.根据权利要求1
‑
4任一项所述的方法,其特征在于,在所述获取待处理图像之后,所述方法还包括:将所述待处理图像输入到预先训练好的对象检测模型,确定所述待处理图像中是否包含目标类对象;在确定所述待处理图像中包含至少两个目标类对象时,确定出每个目标类对象中检测框面积;将所述至少两个目标类对象中检测框面积最大的目标类对象作为所述目标对象;在确定所述待处理图像中不包含目标类对象时,发出核查图像提示。6.根据权利要求5所述的方法,其特征在于,在所述获取待处理图像之前,所述方法还包括:获取第二图像样本集合,所述第二图像样本集合包括:多张正样本图像和至少一张负样本图像,每张正样本图像中包含有已标注检测框的至少一个目标类对象,每张负样本图像中未包含目标类对象;
利用所述第二图像样本集合对预设的目标检测网络进行模型训练,在所述目标检测网络输出的对象检测框误差小于预设误差阈值时,得到所述对象检测模型。7.一种图像处理装置,其特征在于,包括:获取模块,用于获取待处理图像;处理模块,用于:在所述待处理图像中包含目标对象时,将所述待处理图像输入到预先训练的图像分割模型中进行语义分割,得到所述目标对象的像素区域图;将所述像素区域图输入到预先训练的颜色评估模型中,确定所述目标对象的颜色。8.根据权利要求7所述的装置,其特征在于,所述获取模块,还用于获...
【专利技术属性】
技术研发人员:丁拥科,
申请(专利权)人:众安在线财产保险股份有限公司,
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。