图像处理方法、模型训练方法、相关装置及电子设备制造方法及图纸

本公开提供了一种图像处理方法、模型训练方法、相关装置及电子设备，涉及深度学习、计算机视觉等人工智能技术领域。具体实现方案为：获取M个第一图像，每个第一图像关联一个任务索引；获取M个第一分类特征和M个第一图像一一对应的M个第一图像特征；将M个第一分类特征与M个第一图像特征进行融合，得到M个任务索引一一对应的M个第一目标特征，一个第一分类特征与一个第一图像特征融合得到一个第一目标特征；针对每个任务索引，对任务索引对应的第一目标特征进行特征提取，得到M个第二分类特征；针对每个任务索引，从M个第二分类特征中选取任务索引对应的第二分类特征进行图像处理，得到任务索引关联的第一图像的第一图像处理结果。果。果。

【技术实现步骤摘要】
图像处理方法、模型训练方法、相关装置及电子设备


[0001]本公开涉及人工智能
，尤其涉及深度学习、计算机视觉
，具体涉及一种图像处理方法、模型训练方法、相关装置及电子设备。

技术介绍

[0002]随着人工智能技术的发展，多任务联合处理得到了广泛的应用。多任务联合处理是通过一个模型来同时处理多个任务，这样可以提高任务处理的效率。
[0003]目前，多任务联合处理的方式通常是每个任务通过一个单独的网络进行处理，之后通过聚合方式把各个任务的输出进行聚合后再输出。

技术实现思路

[0004]本公开提供了一种图像处理方法、模型训练方法、相关装置及电子设备。
[0005]根据本公开的第一方面，提供了一种图像处理方法，包括：
[0006]获取M个第一图像，每个第一图像关联一个任务索引，不同第一图像关联的任务索引不同，M为正整数；
[0007]获取M个第一分类特征和所述M个第一图像一一对应的M个第一图像特征；
[0008]将所述M个第一分类特征与所述M个第一图像特征进行融合，得到M个所述任务本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，包括：获取M个第一图像，每个第一图像关联一个任务索引，不同第一图像关联的任务索引不同，M为正整数；获取M个第一分类特征和所述M个第一图像一一对应的M个第一图像特征；将所述M个第一分类特征与所述M个第一图像特征进行融合，得到M个所述任务索引一一对应的M个第一目标特征，一个第一分类特征与一个第一图像特征融合得到一个第一目标特征；针对每个所述任务索引，对所述任务索引对应的第一目标特征进行特征提取，得到M个第二分类特征；针对每个所述任务索引，从所述M个第二分类特征中选取所述任务索引对应的第二分类特征进行图像处理，得到所述任务索引关联的所述第一图像的第一图像处理结果。2.根据权利要求1所述的方法，其中，所述对所述任务索引对应的第一目标特征进行特征提取，得到M个第二分类特征，包括：对所述任务索引对应的第一目标特征进行复制处理；基于目标模型中特征提取网络的第一网络参数，分别对复制处理得到的M个特征中每个特征进行特征提取，得到M个第二分类特征。3.根据权利要求1所述的方法，其中，所述第一图像对应的第一图像特征通过以下方式获取：对所述第一图像进行分块处理，得到K个图像块，K为大于1的整数；获取每个图像块的图像特征；将所述K个图像块的图像特征进行融合，得到所述第一图像特征。4.一种模型训练方法，包括：获取训练样本集，所述训练样本集包括N个第一图像，每个第一图像关联一个任务索引，不同第一图像关联的任务索引不同，N为大于1的整数；将所述N个第一图像输入至目标模型进行图像处理操作，得到所述N个第一图像的N个第一图像处理结果；所述图像处理操作包括：获取N个第一分类特征和所述N个第一图像一一对应的N个第一图像特征；将所述N个第一分类特征与所述N个第一图像特征进行融合，得到N个所述任务索引一一对应的N个第一目标特征，一个第一分类特征与一个第一图像特征融合得到一个第一目标特征；针对每个所述任务索引，对所述任务索引对应的第一目标特征进行特征提取，得到N个第二分类特征；针对每个所述任务索引，从所述N个第二分类特征中选取所述任务索引对应的第二分类特征进行图像处理，得到所述任务索引关联的所述第一图像的第一图像处理结果；基于所述N个第一图像处理结果，确定每个任务索引对应的网络损失值；基于N个所述网络损失值，更新所述目标模型中的网络参数。5.根据权利要求4所述的方法，所述基于N个所述网络损失值，更新所述目标模型中的网络参数之前，所述方法还包括：对所述N个第二分类特征分别进行归一化处理，得到N个第三分类特征；计算所述N个第三分类特征的相似度矩阵；基于所述相似度矩阵，确定所述N个第三分类特征中不同第三分类特征之间的相似度
值；所述基于N个所述网络损失值，更新所述目标模型中的网络参数，包括：基于N个所述网络损失值和所述相似度值，更新所述目标模型中的网络参数。6.根据权利要求5所述的方法，其中，所述基于所述相似度矩阵，确定所述N个第三分类特征中不同第三分类特征之间的相似度值，包括：将所述相似度矩阵中除对角线之外的所有值相加，得到所述N个第三分类特征中不同第三分类特征之间的相似度值。7.一种图像处理装置，包括：第一获取模块，用于获取M个第一图像，每个第一图像关联一个任务索引，不同第一图像关联的任务索引不同，M为正整数；第二获取模块，用于获取M个第一分类特征和所述M个第一图像一一对应的M个第一图像特征；融合模块，用于将所述M个第一分类特征与所述M个第一图像特征进行融合，得到M个所述任务索引一一对应的M个第一目标特征，一个第一分类特征与一个第一图像特征融合得到一个第一目标特征；...

【专利技术属性】
技术研发人员：王健，韩钧宇，陈金文，刘路飞，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：