图片处理模型优化方法及装置制造方法及图纸

本发明专利技术提供了一种图片处理模型优化方法及装置，可用于金融领域或其他领域。方法包括：获取不同场景下的目标图片，根据预设的干扰要素，对目标图片进行干扰处理，得到干扰数据集；从干扰数据集中选取不同场景下的第一图片及第二图片，分别将第一图片及第二图片输入至初始模型中进行图片处理，得到第一特征图及第二特征图；根据第一特征图及第二特征图，得到第一特征图对应的高维目标向量及第二特征图对应的高维目标向量；根据两个高维目标向量，确定相同图片类别不同场景下的差异度，利用差异度对初始模型进行优化处理。本发明专利技术通过相同图片类别不同场景下的差异度实现模型的优化，提升模型对场景的适应能力，提高模型对于图片处理的效率与准确率。理的效率与准确率。理的效率与准确率。

【技术实现步骤摘要】
图片处理模型优化方法及装置


[0001]本专利技术涉及模型优化
，尤指一种图片处理模型优化方法及装置。

技术介绍

[0002]目前，人工智能模型应用场景复杂多变，设备的多样性，环境背景的复杂性及数据集数量限制等条件使得算法在实际使用中效率明显降低，图片处理模型存在图片处理效率低、结果不准确等问题。

技术实现思路

[0003]针对现有技术中存在的问题，本专利技术实施例的主要目的在于提供一种图片处理模型优化方法及装置，实现图片处理模型的优化，提高模型对于图片处理的效率与准确率。
[0004]为了实现上述目的，本专利技术实施例提供一种图片处理模型优化方法，所述方法包括：
[0005]获取不同场景下的目标图片，并根据预设的干扰要素，对目标图片进行干扰处理，得到干扰数据集；
[0006]从干扰数据集中选取不同场景下的第一图片及第二图片，分别将第一图片及第二图片输入至初始模型中进行图片处理，得到第一特征图及第二特征图；其中，第一图片与第二图片属于相同图片类别；
[0007]根据第一特征图及所述第二特征图，得到第一特征图对应的高维目标向量及第二特征图对应的高维目标向量；
[0008]根据两个高维目标向量，确定相同图片类别不同场景下的差异度，并利用差异度对初始模型进行优化处理。
[0009]可选的，在本专利技术一实施例中，根据预设的干扰要素，对目标图片进行干扰处理，得到干扰数据集包括：
[0010]根据预设的干扰要素，对目标图片进行亮度处理、对比度处理、裁剪、拉伸以及干扰像素处理，得到干扰图片；
[0011]利用干扰图片，得到干扰数据集。
[0012]可选的，在本专利技术一实施例中，分别将第一图片及第二图片输入至初始模型中进行图片处理，得到第一特征图及第二特征图包括：
[0013]分别将第一图片及所述第二图片输入至初始模型中进行特征提取与识别处理，得到第一图片对应的多维矩阵及第二图片对应的多维矩阵，并将第一图片对应的多维矩阵作为第一特征图，将第二图片对应的多维矩阵作为第二特征图。
[0014]可选的，在本专利技术一实施例中，根据两个高维目标向量，确定相同图片类别不同场景下的差异度包括：
[0015]根据两个高维目标向量，确定两个高维目标向量之间的欧氏距离，并将欧氏距离作为相同图片类别不同场景下的差异度。
[0016]本专利技术实施例还提供一种图片处理模型优化装置，装置包括：
[0017]干扰数据模块，用于获取不同场景下的目标图片，并根据预设的干扰要素，对目标图片进行干扰处理，得到干扰数据集；
[0018]特征图模块，用于从干扰数据集中选取不同场景下的第一图片及第二图片，分别将第一图片及第二图片输入至初始模型中进行图片处理，得到第一特征图及第二特征图；其中，第一图片与第二图片属于相同图片类别；
[0019]目标向量模块，用于根据第一特征图及第二特征图，得到第一特征图对应的高维目标向量及第二特征图对应的高维目标向量；
[0020]模型优化模块，用于根据两个高维目标向量，确定相同图片类别不同场景下的差异度，并利用差异度对初始模型进行优化处理。
[0021]可选的，在本专利技术一实施例中，干扰数据模块包括：
[0022]干扰处理单元，用于根据预设的干扰要素，对目标图片进行亮度处理、对比度处理、裁剪、拉伸以及干扰像素处理，得到干扰图片；
[0023]干扰数据单元，用于利用干扰图片，得到干扰数据集。
[0024]可选的，在本专利技术一实施例中，特征图模块还用于分别将第一图片及第二图片输入至初始模型中进行特征提取与识别处理，得到第一图片对应的多维矩阵及第二图片对应的多维矩阵，并将第一图片对应的多维矩阵作为第一特征图，将第二图片对应的多维矩阵作为第二特征图。
[0025]可选的，在本专利技术一实施例中，模型优化模块还用于根据两个高维目标向量，确定两个高维目标向量之间的欧氏距离，并将欧氏距离作为相同图片类别不同场景下的差异度。
[0026]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行所述程序时实现上述方法。
[0027]本专利技术还提供一种计算机可读存储介质，计算机可读存储介质存储有执行上述方法的计算机程序。
[0028]本专利技术还提供一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被处理器执行时实现上述方法的步骤。
[0029]本专利技术通过利用不同场景中的数据对模型进行训练，通过相同图片类别不同场景下的差异度实现模型的优化，提升模型对场景的适应能力，提高模型对于图片处理的效率与准确率。
附图说明
[0030]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0031]图1为本专利技术实施例一种图片处理模型优化方法的流程图；
[0032]图2为本专利技术实施例中干扰处理的流程图；
[0033]图3为本专利技术一具体实施例中模型优化的流程图；
[0034]图4为本专利技术实施例一种图片处理模型优化装置的结构示意图；
[0035]图5为本专利技术实施例中干扰数据模块的结构示意图；
[0036]图6为本专利技术一实施例所提供的电子设备的结构示意图。
具体实施方式
[0037]本专利技术实施例提供一种图片处理模型优化方法及装置，可用于金融领域及其他领域，需要说明的是，本专利技术的图片处理模型优化方法及装置可用于金融领域，也可用于除金融领域之外的任意领域，本专利技术的图片处理模型优化方法及装置应用领域不做限定。
[0038]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0039]如图1所示为本专利技术实施例一种图片处理模型优化方法的流程图，本专利技术实施例提供的图片处理模型优化方法的执行主体包括但不限于计算机。本专利技术通过利用不同场景中的数据对模型进行训练，通过相同图片类别不同场景下的差异度实现模型的优化，提升模型对场景的适应能力，提高模型对于图片处理的效率与准确率。图中所示方法包括：
[0040]步骤S1，获取不同场景下的目标图片，并根据预设的干扰要素，对目标图片进行干扰处理，得到干扰数据集；
[0041]步骤S2，从干扰数据集中选取不同场景下的第一图片及第二图片，分别将第一图片及第二图片输入至初始模型中进行图片处理，得到第一特征图及第二特征图；其中，第一图片与第二图片属于相同图片类别；
[0042]步骤S3，根据第一特征图及第二特征图，得到第一特征图对应的高维本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图片处理模型优化方法，其特征在于，所述方法包括：获取不同场景下的目标图片，并根据预设的干扰要素，对所述目标图片进行干扰处理，得到干扰数据集；从所述干扰数据集中选取不同场景下的第一图片及第二图片，分别将所述第一图片及所述第二图片输入至初始模型中进行图片处理，得到第一特征图及第二特征图；其中，所述第一图片与所述第二图片属于相同图片类别；根据所述第一特征图及所述第二特征图，得到所述第一特征图对应的高维目标向量及第二特征图对应的高维目标向量；根据两个高维目标向量，确定相同图片类别不同场景下的差异度，并利用所述差异度对所述初始模型进行优化处理。2.根据权利要求1所述的方法，其特征在于，所述根据预设的干扰要素，对所述目标图片进行干扰处理，得到干扰数据集包括：根据预设的干扰要素，对所述目标图片进行亮度处理、对比度处理、裁剪、拉伸以及干扰像素处理，得到干扰图片；利用所述干扰图片，得到所述干扰数据集。3.根据权利要求1所述的方法，其特征在于，所述分别将所述第一图片及所述第二图片输入至初始模型中进行图片处理，得到第一特征图及第二特征图包括：分别将所述第一图片及所述第二图片输入至初始模型中进行特征提取与识别处理，得到所述第一图片对应的多维矩阵及所述第二图片对应的多维矩阵，并将所述第一图片对应的多维矩阵作为第一特征图，将所述第二图片对应的多维矩阵作为第二特征图。4.根据权利要求1所述的方法，其特征在于，所述根据两个高维目标向量，确定相同图片类别不同场景下的差异度包括：根据两个高维目标向量，确定两个高维目标向量之间的欧氏距离，并将所述欧氏距离作为相同图片类别不同场景下的差异度。5.一种图片处理模型优化装置，其特征在于，所述装置包括：干扰数据模块，用于获取不同场景下的目标图片，并根据预设的干扰要素，对所述目标图片进行干扰处理，得到干扰数据集；特征图模块，用于从所...

【专利技术属性】
技术研发人员：徐晓健，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：