一种图像处理方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种图像处理方法、装置、电子设备及存储介质。该方法包括：基于预先训练好的特征提取模型对输入的待处理图像进行处理，得到特征提取模型中多个模型阶段所对应的特征子向量；若各特征子向量所对应的神经元的感受野，与预先设定的感兴趣区域相一致，则保留与感兴趣区域相匹配的元素，得到与每个特征子向量对应的目标特征子向量；确定各目标特征子向量与样本库中每个样本的样本子向量之间的距离阈值，并将距离阈值小于相应预设距离阈值的样本，作为待处理图像的目标相似样本；将目标相似样本所对应的分类结果，作为待处理图像的目标分类结果。解决了系统无法对特殊样本处理的问题，实现了对特殊样本的处理。实现了对特殊样本的处理。实现了对特殊样本的处理。

【技术实现步骤摘要】
一种图像处理方法、装置、电子设备及存储介质


[0001]本专利技术实施例涉及图像处理技术，尤其涉及一种图像处理方法、装置、电子设备及存储介质。

技术介绍

[0002]随着互联网的快速发展，数字图像处理已经广泛的出现在生活中，尤其是在医学和智能机器人等应用环境。图像信息的引入大大帮助了使用者，可以说图像处理技术的日益创新是现代生活的重要一环。
[0003]图像的识别系统在应用中，将需要识别的图像输入到一个通用的图像识别模型后，该图像识别模型会输出一个通用的结果。但是，当输入一个特殊样本时，通用的图像识别模型存在不能对特殊样本进行处理或者不能输出特定结果的问题。基于上述可知，现有模型无法对特殊样本进行处理，相应的，无法得到与特殊样本相对应的分类结果，导致存在数据处理不便的技术问题。

技术实现思路

[0004]本专利技术实施例提供一种图像处理方法、装置、电子设备及存储介质，以实现在无需对图像识别模型重新训练的前提下即可对特殊样本进行处理的效果。
[0005]第一方面，本专利技术实施例提供了一种图像处理方法，该方法包括：
[0006]基于预先训练好的特征提取模型对输入的待处理图像进行处理，得到所述特征提取模型中多个模型阶段所对应的特征子向量；
[0007]若各特征子向量所对应的神经元的感受野，与预先设定的感兴趣区域相一致，则保留与所述感兴趣区域相匹配的元素，得到与每个特征子向量对应的目标特征子向量；
[0008]确定各目标特征子向量与样本库中每个样本的样本子向量之间的距离阈值，并将距离阈值小于相应预设距离阈值的样本，作为所述待处理图像的目标相似样本；
[0009]将所述目标相似样本所对应的分类结果，作为所述待处理图像的目标分类结果。
[0010]第二方面，本专利技术实施例还提供了一种图像处理装置，该装置包括：
[0011]特征子向量获取模块，用于基于预先训练好的特征提取模型对输入的待处理图像进行处理，得到所述特征提取模型中多个模型阶段所对应的特征子向量；
[0012]目标特征子向量获取模块，用于若各特征子向量所对应的神经元的感受野，与预先设定的感兴趣区域相一致，则保留与所述感兴趣区域相匹配的元素，得到与每个特征子向量对应的目标特征子向量；
[0013]目标相似样本确定模块，用于确定各目标特征子向量与样本库中每个样本的样本子向量之间的距离阈值，并将距离阈值小于相应预设距离阈值的样本，作为所述待处理图像的目标相似样本；
[0014]目标分类结果确定模块，用于将所述目标相似样本所对应的分类结果，作为所述待处理图像的目标分类结果。
[0015]第三方面，本专利技术实施例还提供了一种电子设备，所述设备包括：
[0016]一个或多个处理器；
[0017]存储装置，用于存储一个或多个程序，
[0018]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术实施例任一所述的图像处理方法。
[0019]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术实施例任一所述的图像处理方法。
[0020]本专利技术实施例的技术方案通过基于预先训练好的特征提取模型对待处理图像进行特征提取，得到特征提取模型中多个模型阶段所对应的特征子向量。若各特征子向量所对应的神经元的感受野，与预先设定的感兴趣区域相一致，则保留与所述感兴趣区域相匹配的元素，得到与每个特征子向量对应的目标特征子向量；确定各个目标特征子向量与样本库中各个样本的样本子向量之间的距离阈值，将距离阈值小于预设距离阈值的样本作为待处理图像的目标相似样本。将目标相似样本对应的分类结果作为待处理图像的目标分类结果。解决了现有的图像识别系统无法对特殊样本处理的问题，实现了在无需对图像识别模型重新训练的前提下即可对特殊样本处理的效果。
附图说明
[0021]为了更加清楚地说明本专利技术示例性实施例的技术方案，下面对描述实施例中所需要用到的附图做一简单介绍。显然，所介绍的附图只是本专利技术所要描述的一部分实施例的附图，而不是全部的附图，对于本领域普通技术人员，在不付出创造性劳动的前提下，还可以根据这些附图得到其他的附图。
[0022]图1为本专利技术实施例一所提供的一种图像处理方法的流程图；
[0023]图2为本专利技术实施例二所提供的一种图像处理方法的示意图；
[0024]图3为本专利技术实施例三所提供的一种图像处理装置的结构框图；
[0025]图4为本专利技术实施例四所提供的一种电子设备的结构示意图。
具体实施方式
[0026]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0027]实施例一
[0028]图1为本专利技术实施例一提供的一种图像处理方法的流程图，本实施例可适用于对特殊样本进行处理并确定相应的分类结果的情况，该方法可以由本专利技术实施例中的图像处理装置来执行，该装置可以采用软件和/或硬件的方式来实现，可选的，通过电子设备来实现，该电子设备可以是移动终端、PC端或服务端等。该装置可配置于计算设备中，本实施例提供的图像处理方法具体包括如下步骤：
[0029]S110、基于预先训练好的特征提取模型对输入的待处理图像进行处理，得到特征提取模型中多个模型阶段所对应的特征子向量。
[0030]其中，待处理图像是需要确定其分类结果的图像，将该图像输入至模型中，可以获
得模型输出的预测分类结果。
[0031]在本实施例中，特征提取模型分为多个不同的模型阶段，每个模型阶段都可以对待处理图像的特征进行提取，并输出对应的一个特征向量，将每个模型阶段输出的特征向量作为该阶段的特征子向量。即，将一个模型的神经网络层划分为多个模型阶段。
[0032]具体的，预先通过大量的图片训练出一个特征提取模型。该特征提取模型可以对图像处理，得到图像的分类结果。此时的，特征提取模型可以对普通样本进行处理，确定出相应的分类结果。在特征提取模型训练完成以后，将待处理图像输入至训练好的特征提取模型，特征提取模型可以分多个模型阶段对待处理图像的特征进行提取，并输出与该模型阶段相对应的特征向量，并将各个模型阶段输出的特征向量作为各个模型阶段所对应的特征子向量。
[0033]可选的，所述特征提取模型中包括至少三个模型阶段，所述基于预先训练好的特征提取模型对输入的待处理图像进行处理，得到所述特征提取模型中多个模型阶段所对应的特征子向量，包括：将所述待处理图像输入至所述特征提取模型中，依次经所述至少三个模型阶段分别处理，得到与每个模型阶段相匹配的特征子向量。
[0034]其中，每个模型阶段包括多个神经网络层。特征提取模型包括至少三个模型阶段层，无论特征提取模型包含的模型阶段是三个还是三个以上，其处理方式都是相本文档来自技高网...

【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：基于预先训练好的特征提取模型对输入的待处理图像进行处理，得到所述特征提取模型中多个模型阶段所对应的特征子向量；若各特征子向量所对应的神经元的感受野，与预先设定的感兴趣区域相一致，则保留与所述感兴趣区域相匹配的元素，得到与每个特征子向量对应的目标特征子向量；确定各目标特征子向量与样本库中每个样本的样本子向量之间的距离阈值，并将距离阈值小于相应预设距离阈值的样本，作为所述待处理图像的目标相似样本；将所述目标相似样本所对应的分类结果，作为所述待处理图像的目标分类结果。2.根据权利要求1所述的方法，其特征在于，所述特征提取模型中包括至少三个模型阶段，所述基于预先训练好的特征提取模型对输入的待处理图像进行处理，得到所述特征提取模型中多个模型阶段所对应的特征子向量，包括：将所述待处理图像输入至所述特征提取模型中，依次经所述至少三个模型阶段分别处理，得到与每个模型阶段相匹配的特征子向量；其中，每个模型阶段包括多个神经网络层。3.根据权利要求1所述的方法，其特征在于，所述若各特征子向量所对应的神经元的感受野，与预先设定的感兴趣区域相一致，则保留与所述感兴趣区域相匹配的元素，得到与每个特征子向量对应的目标特征子向量，包括：针对各特征子向量，对当前特征子向量所对应的子图像进行掩膜处理，并将未掩膜区域作为所述神经元的感受野；若所述感受野与所述感兴趣区域存在重叠区域，则保留所述未掩膜区域所对应的元素；重复执行对当前特征子向量所对应的子图像掩膜处理，得到与所述当前特征子向量所对应的目标特征子向量。4.根据权利要求1所述的方法，其特征在于，所述确定各目标特征子向量与样本库中每个样本的样本子向量之间的距离阈值，包括：依次确定第一模型阶段的目标特征子向量与样本库中每个样本在第一模型阶段样本子向量的余弦相似度值；对第二模型阶段和第三模型阶段的目标特征子向量进行归一化处理，确定与各目标特征子向量所对应的目标欧式距离；根据各目标欧氏距离和所述样本库中样本子向量的样本欧式距离，确定目标特征子向量与相应样本子向量的距离阈值。5.根据权利要求4所述的方法，其特征在于，所述根据各目标欧氏距离和所述样本库中样本子向量的样本欧式距离，确定目标特征子向量与相应样本子向量的距离阈值，包括：分别确定样本库中第二模型阶段和第三模型中样本子向量所对应的样本欧式...

【专利技术属性】
技术研发人员：吴边，柴鹏飞，毛晨思，冯辉，任宇翔，孟海忠，
申请(专利权)人：挂号网杭州科技有限公司，
类型：发明
国别省市：