本申请公开了一种图像处理方法及装置、电子设备及计算机可读存储介质。该方法包括：获取待处理图像和图像分类模型，所述图像分类模型由带标注的训练图像和至少一张第一干扰图像训练得到，所述至少一张第一干扰图像通过对所述训练图像进行图像干扰处理得到；利用所述图像分类模型对所述待处理图像进行处理，得到第一分类结果。第一分类结果。第一分类结果。
【技术实现步骤摘要】
图像处理方法及装置、电子设备及计算机可读存储介质
[0001]本申请涉及计算机视觉
，尤其涉及一种图像处理方法及装置、电子设备及计算机可读存储介质。
技术介绍
[0002]得益于深度学习技术的快速发展，深度学习模型的性能愈发强大，因此深度学习模型也被广泛应用于图像处理领域，其中就包括利用深度学习模型进行图像分类。但目前用于图像分类的深度学习模型的鲁棒性较差，进而导致图像分类的结果的准确度低。
技术实现思路
[0003]本申请提供一种图像处理方法及装置、电子设备及计算机可读存储介质。
[0004]本申请提供了一种图像处理方法，所述方法包括：
[0005]获取待处理图像和图像分类模型，所述图像分类模型由带标注的训练图像和至少一张第一干扰图像训练得到，所述至少一张第一干扰图像通过对所述训练图像进行图像干扰处理得到；
[0006]利用所述图像分类模型对所述待处理图像进行处理，得到第一分类结果。
[0007]结合本申请任一实施方式，所述标注包括所述训练图像的类别，所述获取图像分类模型，包括：
[0008]获取待训练模型、所述训练图像和所述至少一张第一干扰图像；
[0009]利用所述待训练模型对所述训练图像进行处理，得到第二分类结果；
[0010]依据所述第二分类结果与所述类别之间的差异，得到第一分类损失；
[0011]利用所述待训练模型对所述至少一张第一干扰图像进行处理，得到干扰损失；
[0012]依据所述第一分类损失和所述干扰损失，得到所述待训练模型的总损失；
[0013]依据所述总损失，更新所述待训练模型的参数，得到所述图像分类模型。
[0014]结合本申请任一实施方式，所述至少一张第一干扰图像包括第二干扰图像和与所述第二干扰图像不同的第三干扰图像；
[0015]所述利用所述待训练模型对所述至少一张第一干扰图像进行处理，得到干扰损失，包括：
[0016]利用所述待训练模型对所述第二干扰图像和所述第三干扰图像分别进行特征提取处理，得到所述第二干扰图像的第一特征数据和所述第三干扰图像的第二特征数据；
[0017]依据所述第一特征数据和所述第二特征数据之间的差异，得到增强损失；
[0018]依据所述增强损失，得到所述干扰损失。
[0019]结合本申请任一实施方式，所述至少一张第一干扰图像还包括第四干扰图像，所述第四干扰图像通过将所述训练图像的尺度转换为第一尺度得到；
[0020]在所述依据所述增强损失，得到所述干扰损失之前，所述方法还包括：
[0021]利用所述待训练模型对所述第四干扰图像进行处理，得到所述第四干扰图像的第
二尺度；
[0022]依据所述第一尺度与所述第二尺度之间的差异，得到尺度损失；
[0023]所述依据所述增强损失，得到所述干扰损失，包括：
[0024]依据所述增强损失和所述尺度损失，得到所述干扰损失。
[0025]结合本申请任一实施方式，所述至少一张第一干扰图像还包括第五干扰图像，所述第五干扰图像通过将所述训练图像旋转第一角度得到；
[0026]在所述依据所述增强损失和所述尺度损失，得到所述干扰损失之前，所述方法还包括：
[0027]利用所述待训练模型对所述第五干扰图像进行处理，得到第二角度，所述第二角度表征所述第五干扰图像相较于所述训练图像的旋转角度；
[0028]依据所述第一角度与所述第二角度之间的差异，得到旋转损失；
[0029]所述依据所述增强损失和所述尺度损失，得到所述干扰损失，包括：
[0030]依据所述增强损失、所述尺度损失和旋转损失，得到所述干扰损失。
[0031]结合本申请任一实施方式，在所述依据所述第一分类损失和所述干扰损失，得到所述待训练模型的总损失之前，所述方法还包括：
[0032]使用所述待训练模型对所述训练图像进行特征提取处理，得到第三特征数据；
[0033]对所述第三特征数据进行数据干扰，得到第四特征数据；
[0034]依据所述第四特征数据，得到所述训练图像的第三分类结果；
[0035]依据所述第三分类结果与所述类别之间的差异，得到第二分类损失；
[0036]所述依据所述第一分类损失和所述干扰损失，得到所述待训练模型的总损失，包括：
[0037]依据所述第一分类损失、所述第二分类损失和所述干扰损失，得到所述待训练模型的总损失。
[0038]结合本申请任一实施方式，所述对所述第三特征数据进行数据干扰，得到第四特征数据，包括：
[0039]更改所述第三特征数据中至少一个元素的取值，得到所述第四特征数据。
[0040]本申请还提供了一种图像处理装置，所述装置包括：
[0041]获取单元，用于获取待处理图像和图像分类模型，所述图像分类模型由带标注的训练图像和至少一张第一干扰图像训练得到，所述至少一张第一干扰图像通过对所述训练图像进行图像干扰处理得到；
[0042]处理单元，用于利用所述图像分类模型对所述待处理图像进行处理，得到第一分类结果。
[0043]结合本申请任一实施方式，所述标注包括所述训练图像的类别，所述获取单元，用于：
[0044]获取待训练模型、所述训练图像和所述至少一张第一干扰图像；
[0045]利用所述待训练模型对所述训练图像进行处理，得到第二分类结果；
[0046]依据所述第二分类结果与所述类别之间的差异，得到第一分类损失；
[0047]利用所述待训练模型对所述至少一张第一干扰图像进行处理，得到干扰损失；
[0048]依据所述第一分类损失和所述干扰损失，得到所述待训练模型的总损失；
[0049]依据所述总损失，更新所述待训练模型的参数，得到所述图像分类模型。
[0050]结合本申请任一实施方式，所述至少一张第一干扰图像包括第二干扰图像和与所述第二干扰图像不同的第三干扰图像；
[0051]所述获取单元，用于：
[0052]利用所述待训练模型对所述第二干扰图像和所述第三干扰图像分别进行特征提取处理，得到所述第二干扰图像的第一特征数据和所述第三干扰图像的第二特征数据；
[0053]依据所述第一特征数据和所述第二特征数据之间的差异，得到增强损失；
[0054]依据所述增强损失，得到所述干扰损失。
[0055]结合本申请任一实施方式，所述至少一张第一干扰图像还包括第四干扰图像，所述第四干扰图像通过将所述训练图像的尺度转换为第一尺度得到；
[0056]获取单元，用于：
[0057]利用所述待训练模型对所述第四干扰图像进行处理，得到所述第四干扰图像的第二尺度；
[0058]依据所述第一尺度与所述第二尺度之间的差异，得到尺度损失；
[0059]依据所述增强损失和所述尺度损失，得到所述干扰损失。
[0060]结合本申请任一实施方式，所述至少本文档来自技高网...
【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，所述方法包括：获取待处理图像和图像分类模型，所述图像分类模型由带标注的训练图像和至少一张第一干扰图像训练得到，所述至少一张第一干扰图像通过对所述训练图像进行图像干扰处理得到；利用所述图像分类模型对所述待处理图像进行处理，得到第一分类结果。2.根据权利要求1所述的方法，其特征在于，所述标注包括所述训练图像的类别，所述获取图像分类模型，包括：获取待训练模型、所述训练图像和所述至少一张第一干扰图像；利用所述待训练模型对所述训练图像进行处理，得到第二分类结果；依据所述第二分类结果与所述类别之间的差异，得到第一分类损失；利用所述待训练模型对所述至少一张第一干扰图像进行处理，得到干扰损失；依据所述第一分类损失和所述干扰损失，得到所述待训练模型的总损失；依据所述总损失，更新所述待训练模型的参数，得到所述图像分类模型。3.根据权利要求2所述的方法，其特征在于，所述至少一张第一干扰图像包括第二干扰图像和与所述第二干扰图像不同的第三干扰图像；所述利用所述待训练模型对所述至少一张第一干扰图像进行处理，得到干扰损失，包括：利用所述待训练模型对所述第二干扰图像和所述第三干扰图像分别进行特征提取处理，得到所述第二干扰图像的第一特征数据和所述第三干扰图像的第二特征数据；依据所述第一特征数据和所述第二特征数据之间的差异，得到增强损失；依据所述增强损失，得到所述干扰损失。4.根据权利要求3所述的方法，其特征在于，所述至少一张第一干扰图像还包括第四干扰图像，所述第四干扰图像通过将所述训练图像的尺度转换为第一尺度得到；在所述依据所述增强损失，得到所述干扰损失之前，所述方法还包括：利用所述待训练模型对所述第四干扰图像进行处理，得到所述第四干扰图像的第二尺度；依据所述第一尺度与所述第二尺度之间的差异，得到尺度损失；所述依据所述增强损失，得到所述干扰损失，包括：依据所述增强损失和所述尺度损失，得到所述干扰损失。5.根据权利要求4所述的方法，其特征在于，所述至少一张第一干扰图像还包括第五干扰图像，所述第五干扰图像通过将所述训练图像旋转第一角度得到；在所述依据所述增强损失和...
【专利技术属性】
技术研发人员：林少波，曾星宇，赵瑞，
申请(专利权)人：上海商汤智能科技有限公司，
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。