图像处理方法及装置、电子设备及计算机可读存储介质制造方法及图纸

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：获取待处理图像和目标检测网络，所述目标检测网络由第一训练图像、第二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第一训练图像进行图像干扰处理得到，所述第一训练图像的第一标注数据为所述第一训练图像的第一类别，所述第二训练图像的第二标注数据包括所述第二训练图像中的检测对象的第二类别和所述检测对象在所述第二训练图像中的第一位置；利用所述目标检测网络对所述待处理图像进行目标检测，得到第一检测结果。果。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，深度学习网络的性能愈发强大，因此深度学习网络也被广泛应用于图像处理领域，其中就包括利用深度学习网络进行目标检测。但目前用于目标检测的深度学习网络的鲁棒性较差，进而导致目标检测的结果的准确度低。

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]获取待处理图像和目标检测网络，所述目标检测网络由第一训练图像、第二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第一训练图像进行图像干扰处理得到，所述第一训练图像的第一标注数据为所述第一训练图像的第一类别，所述第二训练图像的第二标注数据包括所述第二训练图像中的检测对象的第二类别和所述检测对象在所述第二训练图像中的第一位置；
[0006]利用所述目标检测网络对所述待处理图像进行目标检测，得到第一检测结果。
[0007]结合本申请任一实施方式，所述获取目标检测网络，包括：
[0008]获取待训练网络、所述第一训练图像、所述第二训练图像和所述至少一张第一干扰图像；
[0009]利用所述待训练网络对所述第一训练图像和所述至少一张第一干扰图像进行处理，得到鲁棒损失；
[0010]利用所述待训练网络对所述第二训练图像进行处理，得到所述目标检测损失；
[0011]依据所述目标检测损失和所述鲁棒损失，得到所述待训练网络的总损失；
[0012]依据所述总损失，更新所述待训练网络的参数，得到所述目标检测网络。
[0013]结合本申请任一实施方式，所述利用所述待训练网络对所述第一训练图像和所述至少一张第一干扰图像进行处理，得到鲁棒损失，包括：
[0014]利用所述待训练网络对所述第一训练图像进行处理，得到所述第一训练图像的第一分类结果；
[0015]依据所述第一分类结果与所述第一类别之间的差异，得到第一分类损失；
[0016]利用所述待训练网络对所述至少一张第一干扰图像进行处理，得到干扰损失；
[0017]对所述第一分类损失和所述干扰损失进行加权求和，得到所述鲁棒损失。
[0018]结合本申请任一实施方式，所述获取所述第一训练图像，包括：
[0019]依据所述第二标注数据，从所述第二训练图像中截取包括所述检测对象的像素区域，得到所述第一训练图像。
[0020]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；
[0021]所述利用所述待训练网络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：
[0022]利用所述待训练网络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；
[0023]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；
[0024]依据所述增强损失，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包括第四干扰图像，所述第四干扰图像通过将所述第一训练图像旋转第一角度得到；
[0026]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：
[0027]利用所述待训练网络对所述第四干扰图像进行处理，得到第二角度，所述第二角度表征所述第四干扰图像相较于所述第一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，得到所述干扰损失，包括：
[0030]依据所述增强损失和旋转损失，得到所述干扰损失。
[0031]结合本申请任一实施方式，所述利用所述待训练网络对所述第二训练图像进行处理，得到所述目标检测损失，包括：
[0032]利用所述待训练网络对所述第二训练图像进行处理，得到所述检测对象的第二分类结果以及所述检测对象在所述第二训练图像中的第二位置；
[0033]依据所述第二类别与所述第二分类结果之间的差异，得到第二分类损失；
[0034]依据所述第一位置与所述第二位置之间的差异，得到第一回归损失；
[0035]依据所述第二分类损失和所述第一回归损失，得到所述目标检测损失。
[0036]结合本申请任一实施方式，所述利用所述待训练网络对所述第二训练图像进行处理，得到所述检测对象的第二分类结果以及所述检测对象在所述第二训练图像中的第二位置，包括：
[0037]利用所述待训练网络对所述第二训练图像进行处理，从所述第二训练图像中确定所述检测对象的候选区域；
[0038]确定所述候选区域的类别，得到所述第二分类结果；
[0039]确定所述候选区域在所述第二训练图像中的位置，得到所述第二位置。
[0040]结合本申请任一实施方式，在所述依据所述第二分类损失和所述第一回归损失，得到所述目标检测损失之前，所述方法还包括：
[0041]确定所述候选区域为前景区域的概率，得到第二检测结果，所述前景区域为检测对象所对应的像素区域；
[0042]依据所述第二检测结果、所述第一位置和所述第二位置，得到第一感兴趣损失，所述第一感兴趣损失与所述第二检测结果的准确度呈负相关；
[0043]所述依据所述第二分类损失和所述第一回归损失，得到所述目标检测损失，包括：
[0044]依据所述第二分类损失、所述第一回归损失和所述第一感兴趣损失，得到所述目标检测损失。
[0045]结合本申请任一实施方式，在所述依据所述第二分类损失、所述第一回归损失和所述第一感兴趣损失，得到所述目标检测损失之前，所述方法还包括：
[0046]利用所述待训练网络对所述第一训练图像进行特征提取处理，得到所述第一训练图像的第三特征数据；
[0047]依据所述第三特征数据确定所述第一训练图像为所述前景区域的概率，得到第三检测结果；
[0048]依据所述第三检测结果和所述第一标注数据之间的差异，得到第二感兴趣损失；
[0049]所述依据所述第二分类损失、所述第一回归损失和所述第一感兴趣损失，得到所述目标检测损失，包括：
[0050]依据所述第二分类损失、所述第一回归损失、所述第一感兴趣损失和所述第二感兴趣损失，得到所述目标检测损失。
[0051]结合本申请任一实施方式，在所述依据所述第二分类损失、所述第一回归损失、所述第一感兴趣损失和所述第二感兴趣损失，得到所述目标检测损失之前，所述方法还包括：
[0052]利用所述待训练网络对所述候选区域进行特征提取处理，得到所述候选区域的第四特征数据；
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：获取待处理图像和目标检测网络，所述目标检测网络由第一训练图像、第二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第一训练图像进行图像干扰处理得到，所述第一训练图像的第一标注数据为所述第一训练图像的第一类别，所述第二训练图像的第二标注数据包括所述第二训练图像中的检测对象的第二类别和所述检测对象在所述第二训练图像中的第一位置；利用所述目标检测网络对所述待处理图像进行目标检测，得到第一检测结果。2.根据权利要求1所述的方法，其特征在于，所述获取目标检测网络，包括：获取待训练网络、所述第一训练图像、所述第二训练图像和所述至少一张第一干扰图像；利用所述待训练网络对所述第一训练图像和所述至少一张第一干扰图像进行处理，得到鲁棒损失；利用所述待训练网络对所述第二训练图像进行处理，得到所述目标检测损失；依据所述目标检测损失和所述鲁棒损失，得到所述待训练网络的总损失；依据所述总损失，更新所述待训练网络的参数，得到所述目标检测网络。3.根据权利要求2所述的方法，其特征在于，所述利用所述待训练网络对所述第一训练图像和所述至少一张第一干扰图像进行处理，得到鲁棒损失，包括：利用所述待训练网络对所述第一训练图像进行处理，得到所述第一训练图像的第一分类结果；依据所述第一分类结果与所述第一类别之间的差异，得到第一分类损失；利用所述待训练网络对所述至少一张第一干扰图像进行处理，得到干扰损失；对所述第一分类损失和所述干扰损失进行加权求和，得到所述鲁棒损失。4.根据权利要求3所述的方法，其特征在于，所述获取所述第一训练图像，包括：依据所述第二标注数据，从所述第二训练图像中截取包括所述检测对象的像素区域，得到所述第一训练图像。5.根据权利要求3或4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网络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：利用所述待训练网络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。6.根据权利要求5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四干扰图像，所述第四干扰图像通过将所述第一训练图像旋转第一角度得到；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：利用所述待训练网络对所述第四干扰图像进行处理，得到第二角度，所述第二角度表征所述第四干扰图像相较于所述第一训练图像的旋转角度；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；
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旋转损失，得到所述干扰损失。7.根据权利要求2至6中任意一项所述的方法，其特征在于，所述利用所述待训练网络对所述第二训练图像进行处理，得到所述目标检测损失，包括：利用所述待训练网络对所述第二训练图像进行处理，得到所述检测对象的第二分类结果以及所述检测对象在所述第二训练图像中的第二位置；依据所述第二类别与所述第二分类结果之间的差异，得到第二分类损失；依据所述第一位置与所述第二位置之间的差异，得到第一回归损失；依据所述第二分类损失和所述第一回归损失，得到所述目标检测损失。8.根据权利要求7所述的方法，其特征在于，所述利用所述待训练网络对所述第二训练图像进行处理，得到所述检测对象的第二分类结果以及所述检测对象在所述第二训练图像中的第二位置，包括：利用所述待训练网络对所述第二训练图像进行处理，从所述第二训练图像中确定所述检测对象的候选区域；确定所述候选区域的类别，得到所述第二分类结果；确定所述候选区域在所述第二训练图像中的位置，得到所述第二位置。9.根据权利要求8...

【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：