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；基于第一网络对所述M个第一图像分别进行特征提取，得到M个第一特征图；基于所述M个第一特征图，确定所述M个第一图像一一对应的M个第一图像特征；基于第二网络对所述M个第一图像特征分别进行特征提取，得到M个第一目标分类特征，所述第二网络的网络结构与所述第一网络的网络结构不同；基于所述M个第一目标分类特征进行图像处理，得到所述M个第一图像的M个第一图像处理结果。一图像的M个第一图像处理结果。一图像的M个第一图像处理结果。

【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选择同一网络结构的网络作为模型框架进行任务处理。

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，M为正整数；
[0007]基于第一网络对所述M个第一图像分别进行特征提取，得到M个第一特征图；
[0008]基于所述M个第一特征图，确定所述M个第一图像一一对应的M个第一图像特征；
[0009]基于第二网络对所述M个第一图像特征分别进行特征提取，得到M个第一目标分类特本文档来自技高网...

【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，M为正整数；基于第一网络对所述M个第一图像分别进行特征提取，得到M个第一特征图；基于所述M个第一特征图，确定所述M个第一图像一一对应的M个第一图像特征；基于第二网络对所述M个第一图像特征分别进行特征提取，得到M个第一目标分类特征，所述第二网络的网络结构与所述第一网络的网络结构不同；基于所述M个第一目标分类特征进行图像处理，得到所述M个第一图像的M个第一图像处理结果。2.根据权利要求1所述的方法，其中，所述基于所述M个第一特征图，确定所述M个第一图像一一对应的M个第一图像特征，包括：对所述M个第一特征图分别进行卷积操作，得到所述M个第一图像一一对应的M个第二特征图，所述第二特征图的通道数量大于所述第一特征图的通道数量；针对每个第一图像对应的第二特征图，获取所述第二特征图对应的目标图像特征，所述目标图像特征为所述第一图像对应的第一图像特征。3.根据权利要求2所述的方法，其中，所述获取所述第二特征图对应的目标图像特征，包括：对所述第二特征图进行分块处理，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，得到所述目标图像特征。4.根据权利要求1所述的方法，其中，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，所述基于第二网络对所述M个第一图像特征分别进行特征提取，得到M个第一目标分类特征之前，还包括：获取第一分类特征；将所述M个第一图像特征分别与所述第一分类特征进行融合，得到M个第一目标特征；所述基于第二网络对所述M个第一图像特征分别进行特征提取，得到M个第一目标分类特征，包括：基于所述第二网络的网络参数，分别对每个所述第一目标特征进行特征提取，得到K个第二分类特征，K大于或等于M；从所述K个第二分类特征中选取M个所述任务索引一一对应的M个第二分类特征；基于M个所述任务索引一一对应的M个第二分类特征，确定所述M个第一目标分类特征。5.根据权利要求4所述的方法，其中，所述基于M个所述任务索引一一对应的M个第二分类特征，确定所述M个第一目标分类特征，包括：针对每个所述任务索引对应的第二分类特征，对所述第二分类特征进行所述任务索引对应的正则化处理，得到所述任务索引对应的所述第一目标分类特征。6.一种模型训练方法，包括：获取训练样本集，所述训练样本集包括N个第一图像，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；所述目标模型包括第一网络和第二网络，所述第二网络的网络结构与所述第一网络的网络结构不同，所述图像处理操作包括：基于所述第一网络对所述N个第一
图像分别进行特征提取，得到N个第一特征图；基于所述N个第一特征图，确定所述N个第一图像一一对应的N个第一图像特征；基于所述第二网络对所述N个第一图像特征分别进行特征提取，得到N个第一目标分类特征；基于所述N个第一目标分类特征进行图像处理，得到所述N个第一图像的N个第一图像处理结果；基于所述N个第一图像处理结果，更新所述目标模型中的网络参数，所述目标模型中的网络参数包括所述第一网络的网络参数和所述第二网络的网络参数。7.根据权利要求6所述的方法，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，所述基于所述N个第一图像处理结果，更新所述目标模型中的网络参数，包括：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。8.一种图像处理装置，包括：第一获取模块，用于获取M个第一图像，M为正整数；第一特征提取模块，用于基于第一网络对所述M个第一图像分别进行特征提取，得到M个第一特征图；确定模块，用于基于所述M个第一特征图，确定所述M个第一图像一一对应的M个第一图像特征；第二特征提取模块，用于基于第二网络对所述M个第一图像特征分别进行特征提取，得到M个第一目标分类特征，所述第二网络的网络结构与...

【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：