图像预测方法、装置、设备、介质和程序产品制造方法及图纸

本申请公开了一种图像预测方法、装置、设备、介质和程序产品，属于人工智能领域。所述方法包括：获取输入图像，以及输入图像的增广图像；将输入图像输入第一图像预测模型进行特征提取，得到图像特征；以及，将增广图像输入第一图像预测模型进行特征提取，得到增广特征；第一图像预测模型是指在训练阶段结束得到的预训练图像预测模型中增加适应性参数层得到的模型；基于图像特征和增广特征，对第一图像预测模型的适应性参数层进行参数更新，得到用于进行图像预测的第二图像预测模型；将输入图像输入第二图像预测模型进行图像预测，得到输入图像对应的图像预测结果。上述方案可以提高图像预测模型的泛化能力。像预测模型的泛化能力。像预测模型的泛化能力。

【技术实现步骤摘要】
图像预测方法、装置、设备、介质和程序产品


[0001]本申请涉及人工智能领域，特别涉及一种图像预测方法、装置、设备、介质和程序产品。

技术介绍

[0002]随着人工智能技术的发展，出现了图像预测、目标检测、图像分割等多种多样的计算机视觉任务，神经网络模型被广泛应用于各种实际业务中。
[0003]相关技术中，在图像预测任务中，通过预先训练出图像预测模型，基于该图像预测模型预测出输入图像中的各种视觉元素的类型。
[0004]然而，在进行图像预测时，输入图像中可能会出现图像预测模型的训练过程中并未出现的视觉元素，相关技术中的图像预测模型难以泛化。

技术实现思路

[0005]本申请提供了一种图像预测方法、装置、设备、介质和程序产品。所述技术方案如下：
[0006]根据本申请的一个方面，提供了一种图像预测方法，所述方法包括：
[0007]获取输入图像，以及所述输入图像的增广图像；
[0008]将所述输入图像输入第一图像预测模型进行特征提取，得到图像特征；以及，将所述增广图像输入所述第一图像预测模型进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像预测方法，其特征在于，所述方法包括：获取输入图像，以及所述输入图像的增广图像；将所述输入图像输入第一图像预测模型进行特征提取，得到图像特征；以及，将所述增广图像输入所述第一图像预测模型进行特征提取，得到增广特征；所述第一图像预测模型是指在训练阶段结束得到的预训练图像预测模型中增加适应性参数层得到的模型；基于所述图像特征和所述增广特征，对所述第一图像预测模型的所述适应性参数层进行参数更新，得到用于进行图像预测的第二图像预测模型；将所述输入图像输入所述第二图像预测模型进行图像预测，得到所述输入图像对应的图像预测结果。2.根据权利要求1所述的方法，其特征在于，所述第一图像预测模型包括特征提取单元，所述特征提取单元包括级联的特征提取层与所述适应性参数层；所述将所述输入图像输入第一图像预测模型进行特征提取，得到图像特征，包括：将所述输入图像输入所述第一图像预测模型，通过所述特征提取单元的所述特征提取层和所述适应性参数层进行逐层特征提取，得到所述图像特征；所述将所述增广图像输入所述第一图像预测模型进行特征提取，得到增广特征，包括：将所述增广图像输入所述第一图像预测模型，通过所述特征提取单元的所述特征提取层和所述适应性参数层进行逐层特征提取，得到所述增广特征。3.根据权利要求2所述的方法，其特征在于，所述特征提取层包括依次级联的m层子提取层，所述适应性参数层包括依次级联的n层子参数层，所述m和所述n均为正整数；所述将所述输入图像输入所述第一图像预测模型，通过所述特征提取单元的所述特征提取层和所述适应性参数层进行逐层特征提取，得到所述图像特征，包括：确定本次使用的所述特征提取单元的所述特征提取层中的第i层子提取层，其中，0＜i≤m，所述i为正整数；通过所述第i层子提取层，对所述输入图像进行特征提取，得到第i层图像特征；将所述特征提取层的本次输出作为所述适应性参数层的本次输入，通过所述适应性参数层的第j层子参数层，对所述第i层图像特征进行仿射变换，得到第j层图像特征，其中，0＜j≤n，所述j为正整数，所述j的初始值为1；将所述适应性参数层的本次输出作为所述特征提取层的下一次输入，将所述j更新为j+1，重复执行所述确定本次使用的所述特征提取单元的所述特征提取层中的第i层子提取层的步骤，直至所述适应性参数层的所述n层子参数层全部遍历完毕，得到所述图像特征；所述将所述增广图像输入所述第一图像预测模型，通过所述特征提取单元的所述特征提取层和所述适应性参数层进行逐层特征提取，得到所述增广特征，包括：确定本次使用的所述特征提取单元的所述特征提取层中的第i层子提取层，其中，0＜i≤m，所述i为正整数；通过所述第i层子提取层，对所述增广图像进行特征提取，得到第i层增广特征；将所述特征提取层的本次输出作为所述适应性参数层的本次输入，通过所述适应性参数层的第j层子参数层，对所述第i层增广特征进行仿射变换，得到第j层增广特征，其中，0＜j≤n，所述j为正整数，所述j的初始值为1；将所述适应性参数层的本次输出作为所述特征提取层的下一次输入，将所述j更新为j
+1，重复执行所述确定本次使用的所述特征提取单元的所述特征提取层中的第i层子提取层的步骤，直至所述适应性参数层的所述n层子参数层全部遍历完毕，得到所述增广特征。4.根据权利要求3所述的方法，其特征在于，所述确定本次使用的所述特征提取单元的所述特征提取层中的第i层子提取层，包括：从所述特征提取单元的所述特征提取层的所述m层子提取层中进行随机选取，得到随机选取的子提取层；将所述随机选取的所述子提取层，确定为本次使用的所述特征提取单元的所述特征提取层中的所述第i层子提取层。5.根据权利要求1至4任一所述的方法，其特征在于，所述基于所述图像特征和所述增广特征，对所述第一图像预测模型的所述适应性参数层进行参数更新，得到用于进行图像预测的第二图像预测模型，包括：基于所述图像特征和所述增广特征，确定所述第一图像预测模型对应的对比损失；根据所述对比损失，对所述第一图像预测模型的所述适应性参数层进行参数更新，并在满足更新结束条件的情况下，得到用于进行图像预测的所述第二图像预测模型；其中，所述更新结束条件包括达到设定迭代次数，或所述对比损失达到...

【专利技术属性】
技术研发人员：陈亮，张勇，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：