本发明专利技术公开了一种图像处理方法、装置及计算机设备。其中，该方法包括：获取目标图像；采用图像识别模型对目标图像进行来源识别，得到目标图像的来源信息，其中，图像识别模型基于多组样本图像进行训练得到，多组样本图像包括：样本图像以及样本图像的来源信息，其中，图像识别模型在训练过程中基于预先提取的原图来源信息为训练目标，原图来源信息为样本图像的原图对应的来源信息。本发明专利技术解决了相关技术中，在提取图像的来源信息时，存在提取精度差造成的图像来源识别准确率低的技术问题，达到了在对商品图像进行识别时，能够准确地识别出拍摄商品图像的相机，较为准确地确定出商品图像是否为盗图的技术效果。像是否为盗图的技术效果。像是否为盗图的技术效果。
【技术实现步骤摘要】
图像处理方法、装置及计算机设备
[0001]本专利技术涉及图像识别领域，具体而言，涉及一种图像处理方法、装置及计算机设备。
技术介绍
[0002]近年来，硬件和软件技术不断发展，图像的创作和编辑的门槛也随之降低，图像的真实性和完整性也因此难以得到保证。在相关技术中，通常采用去噪算法直接对图像提取图像来源信息(例如，光响应非均匀性信息)并分类的方式进行图像来源识别。例如，采用对图像提取光响应非均匀性信息及噪声残差并利用卷积神经网络识别图像的来源信息的方式。但是上述两种方式提取图像来源信息时都存在缺陷，例如，前者对经过了压缩、传输等处理的图像直接提取光响应非均匀性信息，根据该光响应非均匀性信息得出的图像来源识别结果准确率较差，而后者则有光响应非均匀性信息和噪声残差提取效果不理想以及识别结果稳定性差的缺点。
[0003]因此，在相关技术中，在提取图像的来源信息时，存在提取精度差造成的图像来源识别准确率低的问题。
[0004]针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
[0005]本专利技术实施例提供了一种图像处理方法、装置及计算机设备，以至少解决相关技术中，在提取图像的来源信息时，存在提取精度差造成的图像来源识别准确率低的技术问题。
[0006]根据本专利技术实施例的一个方面，提供了一种图像处理方法，包括：获取目标图像；采用图像识别模型对目标图像进行来源识别，得到目标图像的来源信息，其中，图像识别模型基于多组样本图像进行训练得到，多组样本图像包括：样本图像以及样本图像的来源信息，其中，图像识别模型在训练过程中基于预先提取的原图来源信息为训练目标，原图来源信息为样本图像的原图对应的来源信息。
[0007]可选地，采用图像识别模型对目标图像进行来源识别，得到目标图像的来源信息，包括：采用图像识别模型的自编码器对目标图像进行来源识别，得到预估来源信息；采用图像识别模型的分类器对预估来源信息进行分类处理，得到目标图像的来源信息。
[0008]可选地，采用图像识别模型的自编码器对目标图像进行来源识别，得到预估来源信息，包括：在图像识别模型的自编码器的编码器中，采用卷积层提取目标图像的特征；在图像识别模型的自编码器的解码器中，采用反卷积层对提取的特征进行图像重构，得到预估来源信息。
[0009]可选地，采用图像识别模型的分类器对预估来源信息进行分类处理，得到目标图像的来源信息，包括：在图像识别模型的分类器中采用多层卷积层对预估来源信息进行处理，得到多层卷积处理结果；在图像识别模型的分类器中对多层卷积处理结果采用级联操
作，得到目标图像的来源信息。
[0010]可选地，上述方法还包括：通过预定去噪方法，得到样本图像的原图来源信息，其中，原图来源信息包括：样本图像的光响应非均匀性信息。
[0011]根据本专利技术实施例的另一方面，还提供了一种图像处理方法，包括：获取多组样本图像数据，其中，多组样本图像数据包括：样本图像和样本图像的来源信息；分别提取多组样本图像数据中样本图像的原图来源信息，原图来源信息为样本图像的原图对应的来源信息；采用多组样本图像数据进行机器训练，并且训练过程中以样本图像的原图来源信息为训练目标，得到图像识别模型。
[0012]可选地，采用多组样本图像数据进行机器训练，并且训练过程中以样本图像的原图来源信息为训练目标，得到图像识别模型，包括：将多组样本图像数据中的样本图像输入初始自编码器中，得到预估来源信息；将预估来源信息输入初始分类器中，得到分类来源信息；基于预估来源信息与原图来源信息构造第一损失函数，以及基于分类来源信息与样本图像的来源信息构造第二损失函数；基于第一损失函数和第二损失函数，构造目标损失函数；通过最小化目标损失函数，采用多组样本图像数据进行机器训练，得到图像识别模型。
[0013]可选地，基于第一损失函数和第二损失函数，构造目标损失函数，包括：确定第一损失函数的第一权重和第二损失函数的第二权重；将第一损失函数与第一权重求积，得到第一值，以及将第二损失函数与第二权重求积，得到第二值；将第一值和第二值求和，得到目标损失函数。
[0014]根据本专利技术实施例的另一方面，还提供了一种图像处理方法，包括：在交互界面上显示导入控件；响应于对导入控件的导入操作，导入目标图像；响应于对交互界面上识别控件的识别操作，在交互界面上展示对目标图像进行识别后的识别结果，其中，识别结果包括目标图像的来源信息，目标图像的来源信息基于图像识别模型识别得到，图像识别模型基于多组样本图像进行训练得到，多组样本图像包括：样本图像以及样本图像的来源信息，其中，图像识别模型在训练过程中基于预先提取的原图来源信息为训练目标，原图来源信息为样本图像的原图对应的来源信息。
[0015]根据本专利技术实施例的另一方面，还提供了一种图像处理方法，包括：在交互界面上显示多组样本图像数据，其中，多组样本图像数据包括：样本图像和样本图像的来源信息；在交互界面上显示多组样本图像数据中样本图像的原图来源信息，原图来源信息为预先提取的样本图像的原图对应的来源信息；在交互界面上显示图像识别模型的模型图标，其中，图像识别模型采用多组样本图像数据进行机器训练，并且训练过程中以样本图像的原图来源信息为训练目标得到。
[0016]根据本专利技术实施例的另一方面，还提供了一种图像处理方法，包括：获取商品图像；采用图像识别模型对商品图像进行来源识别，得到商品图像的来源信息，其中，来源信息包括拍摄商品图像的相机，图像识别模型基于多组样本图像进行训练得到，多组样本图像包括：样本图像以及样本图像的来源信息，其中，图像识别模型在训练过程中基于预先提取的样本图像的原图的光响应非均匀性信息为训练目标。
[0017]根据本专利技术实施例的另一方面，还提供了一种图像处理装置，包括：第一获取模块，用于获取目标图像；识别模块，用于采用图像识别模型对目标图像进行来源识别，得到目标图像的来源信息，其中，图像识别模型基于多组样本图像进行训练得到，多组样本图像
包括：样本图像以及样本图像的来源信息，其中，图像识别模型在训练过程中基于预先提取的原图来源信息为训练目标，原图来源信息为样本图像的原图对应的来源信息。
[0018]根据本专利技术实施例的另一方面，还提供了一种图像处理装置，包括：第二获取模块，用于获取多组样本图像数据，其中，多组样本图像数据包括：样本图像和样本图像的来源信息；提取模块，用于分别提取多组样本图像数据中样本图像的原图来源信息，原图来源信息为样本图像的原图对应的来源信息；训练模块，用于采用多组样本图像数据进行机器训练，并且训练过程中以样本图像的原图来源信息为训练目标，得到图像识别模型。
[0019]根据本专利技术实施例的另一方面，还提供了一种图像处理装置，包括：第三获取模块，用于获取商品图像；第二识别模块，用于采用图像识别模型对商品图像进行来源识别，得到商品图像的来源信息，其中，来源信息包括拍摄商品图像的相机，图像识别模型基于多组样本图像进行训练得到，多组样本图像包括：样本图像以及样本本文档来自技高网...
【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，包括：获取目标图像；采用图像识别模型对所述目标图像进行来源识别，得到所述目标图像的来源信息，其中，所述图像识别模型基于多组样本图像进行训练得到，所述多组样本图像包括：样本图像以及所述样本图像的来源信息，其中，所述图像识别模型在训练过程中基于预先提取的原图来源信息为训练目标，所述原图来源信息为所述样本图像的原图对应的来源信息。2.根据权利要求1所述的方法，其特征在于，所述采用图像识别模型对所述目标图像进行来源识别，得到所述目标图像的来源信息，包括：采用所述图像识别模型的自编码器对所述目标图像进行来源识别，得到预估来源信息；采用所述图像识别模型的分类器对所述预估来源信息进行分类处理，得到所述目标图像的来源信息。3.根据权利要求2所述的方法，其特征在于，所述采用所述图像识别模型的自编码器对所述目标图像进行来源识别，得到预估来源信息，包括：在所述图像识别模型的自编码器的编码器中，采用卷积层提取所述目标图像的特征；在所述图像识别模型的自编码器的解码器中，采用反卷积层对提取的特征进行图像重构，得到所述预估来源信息。4.根据权利要求2所述的方法，其特征在于，所述采用所述图像识别模型的分类器对所述预估来源信息进行分类处理，得到所述目标图像的来源信息，包括：在所述图像识别模型的分类器中采用多层卷积层对所述预估来源信息进行处理，得到多层卷积处理结果；在所述图像识别模型的分类器中对所述多层卷积处理结果采用级联操作，得到所述目标图像的来源信息。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：通过预定去噪方法，得到所述样本图像的原图来源信息，其中，所述原图来源信息包括：所述样本图像的光响应非均匀性信息。6.一种图像处理方法，其特征在于，包括：获取多组样本图像数据，其中，所述多组样本图像数据包括：样本图像和所述样本图像的来源信息；分别提取所述多组样本图像数据中样本图像的原图来源信息，所述原图来源信息为所述样本图像的原图对应的来源信息；采用所述多组样本图像数据进行机器训练，并且训练过程中以所述样本图像的所述原图来源信息为训练目标，得到图像识别模型。7.根据权利要求6所述的方法，其特征在于，所述采用所述多组样本图像数据进行机器训练，并且训练过程中以所述样本图像的所述原图来源信息为训练目标，得到图像识别模型，包括：将所述多组样本图像数据中的样本图像输入初始自编码器中，得到预估来源信息；将所述预估来源信息输入初始分类器中，得到分类来源信息；基于所述预估来源信息与所述原图来源信息构造第一损失函数，以及基于所述分类来
源信息与所述样本图像的来源信息构造第二损失函数；基于所述第一损失函数和第二损失函数，构造目标损失函数；通过最小化所述目标损失函数，采用所述多组样本图像数据进行机器训练，得到所述图像识别模型。8.根据权利要求7所述的方法，其特征在于，所述基...
【专利技术属性】
技术研发人员：惠晨，姜峰，曾吉申，杨锐，刘永亮，
申请(专利权)人：阿里巴巴中国有限公司，
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。