图像处理方法技术

本申请公开了一种图像处理方法

【技术实现步骤摘要】
图像处理方法、装置、设备及存储介质


[0001]本申请涉及计算机
，尤其涉及一种图像处理方法
、
装置
、
设备及存储介质
。

技术介绍

[0002]计算机技术的发展诞生了图像处理技术
。
图像处理技术的诞生又带来了纷繁多样的图像处理方法
。
依赖于这些图像处理方法，计算机设备可以完成更多的智能化的图像处理工作，从而为人们的日常生活带来更多的便利
。
众所周知，在图像处理领域内完成某些图像处理任务
(
如：图像分类任务
、
图像筛选任务等
)
时经常会利用到图像相似度，然而当前的图像处理方法通常无法确定出准确性较高的图像相似度，也就导致无法得到准确的图像处理结果
。
因此如何提升图像处理结果的准确性成了当下的研究热点
。

技术实现思路

[0003]本申请实施例提供了一种图像处理方法
、
装置
、
设备及存储介质，可提升图像处理结果的准确性
。
[0004]一方面，本申请实施例提供了一种图像处理方法，包括：
[0005]遍历多个图像特征对，并采用图像处理模型获取当前遍历的目标图像特征对中的第一图像特征和第二图像特征之间的特征相似度，以及每个图像特征关联的图像类别标签，所述图像类别标签用于指示相应图像特征所属图像的图像类别；
[0006]当所述目标图像特征对中每个图像特征关联的图像类别标签相同时，确定计算所述目标图像特征对的损失值时所采用的损失函数为第一损失函数，通过所述第一损失函数计算得到的损失值与输入至所述第一损失函数的特征相似度呈负相关关系；
[0007]当所述目标图像特征对中每个图像特征关联的图像类别标签不同时，确定计算所述目标图像特征对的损失值时所采用的损失函数为第二损失函数，通过所述第二损失函数计算得到的损失值与输入至所述第二损失函数的特征相似度呈正相关关系；
[0008]在遍历完成后，根据每个图像特征对的损失值确定所述图像处理模型的目标损失值，并按照减小所述目标损失值的方向对所述图像处理模型进行模型优化，以得到优化后的图像处理模型；
[0009]采用所述优化后的图像处理模型对目标图像集进行图像筛选处理，所述目标图像集包括多个图像
。
[0010]一方面，本申请实施例提供了又一种图像处理方法，包括：
[0011]响应于针对目标图像集的图像去重请求，针对所述目标图像集包含的任一图像，采用优化后的图像处理模型，分别获取所述任一图像的图像特征与所述目标图像集中除所述任一图像以外的其他图像的图像特征之间的图像特征相似度；所述优化后的图像处理模型是基于多个图像特征对的损失值优化得到的；任一图像特征对包括第一图像特征和第二图像特征，当所述任一图像特征中两个图像特征关联的图像类别标签相同时，所述任一图
像特征对的损失值通过第一损失函数计算得到，且所述第一损失函数计算得到的损失值与输入至所述第一损失函数的特征相似度呈负相关关系；当所述任一图像特征对中两个图像特征关联的图像类别标签不同时，所述任一图像特征对的损失值通过第二损失函数计算得到，且所述第二损失函数计算得到的损失值与输入至所述第二损失函数的特征相似度呈正相关关系；
[0012]当存在与所述任一图像的图像特征之间的图像特征相似度大于预设相似度阈值的目标其他图像时，将所述目标其他图像作为所述任一图像的重复图像
。
[0013]一方面，本申请实施例提供了一种图像处理装置，包括：
[0014]遍历单元，用于遍历多个图像特征对，并采用图像处理模型获取当前遍历的目标图像特征对中的第一图像特征和第二图像特征之间的特征相似度，以及每个图像特征关联的图像类别标签，所述图像类别标签用于指示相应图像特征所属图像的图像类别；
[0015]确定单元，用于当所述目标图像特征对中每个图像特征关联的图像类别标签相同时，确定计算所述目标图像特征对的损失值时所采用的损失函数为第一损失函数，通过所述第一损失函数计算得到的损失值与输入至所述第一损失函数的特征相似度呈负相关关系；
[0016]所述确定单元，用于当所述目标图像特征对中每个图像特征关联的图像类别标签不同时，确定计算所述目标图像特征对的损失值时所采用的损失函数为第二损失函数，通过所述第二损失函数计算得到的损失值与输入至所述第二损失函数的特征相似度呈正相关关系；
[0017]优化单元，用于在遍历完成后，根据每个图像特征对的损失值确定所述图像处理模型的目标损失值，并按照减小所述目标损失值的方向对所述图像处理模型进行模型优化，以得到优化后的图像处理模型；
[0018]第一处理单元，用于采用所述优化后的图像处理模型对目标图像集进行图像筛选处理，所述目标图像集包括多个图像
。
[0019]一方面，本申请实施例提供了又一种图像处理装置，包括：
[0020]请求响应单元，用于响应于针对目标图像集的图像去重请求，针对所述目标图像集包含的任一图像，采用优化后的图像处理模型，分别获取所述任一图像的图像特征与所述目标图像集中除所述任一图像以外的其他图像的图像特征之间的图像特征相似度；所述优化后的图像处理模型是基于多个图像特征对的损失值优化得到的；任一图像特征对包括第一图像特征和第二图像特征，当所述任一图像特征中两个图像特征关联的图像类别标签相同时，所述任一图像特征对的损失值通过第一损失函数计算得到，且所述第一损失函数计算得到的损失值与输入至所述第一损失函数的特征相似度呈负相关关系；当所述任一图像特征对中两个图像特征关联的图像类别标签不同时，所述任一图像特征对的损失值通过第二损失函数计算得到，且所述第二损失函数计算得到的损失值与输入至所述第二损失函数的特征相似度呈正相关关系；
[0021]第二处理单元，用于当存在与所述任一图像的图像特征之间的图像特征相似度大于预设相似度阈值的目标其他图像时，将所述目标其他图像作为所述任一图像的重复图像
。
[0022]一方面，本申请实施例提供了一种计算机设备，包括：
[0023]处理器，所述处理器用于实现一条或多条计算机程序；
[0024]计算机存储介质，所述计算机存储介质存储有一条或多条计算机程序，所述一条或多条计算机程序适于由所述处理器加载并执行上述第一方面的图像处理方法
。
[0025]一方面，本申请实施例提供了一种图像处理设备，包括：
[0026]处理器，所述处理器用于实现一条或多条计算机程序；
[0027]计算机存储介质，所述计算机存储介质存储有一条或多条计算机程序，所述一条或多条计算机程序适于由所述处理器加载并执行上述第二方面的图像处理方法
。
[0028]一方面，本申请实施例提供了一种计算机存储介质，所述计算机存储介质存储有一条或多条计算机程序，所述一条或多条计算机程序适于由处理器加载并本文档来自技高网...

【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：遍历多个图像特征对，并采用图像处理模型获取当前遍历的目标图像特征对中的第一图像特征和第二图像特征之间的特征相似度，以及每个图像特征关联的图像类别标签，所述图像类别标签用于指示相应图像特征所属图像的图像类别；当所述目标图像特征对中每个图像特征关联的图像类别标签相同时，确定计算所述目标图像特征对的损失值时所采用的损失函数为第一损失函数，通过所述第一损失函数计算得到的损失值与输入至所述第一损失函数的特征相似度呈负相关关系；当所述目标图像特征对中每个图像特征关联的图像类别标签不同时，确定计算所述目标图像特征对的损失值时所采用的损失函数为第二损失函数，通过所述第二损失函数计算得到的损失值与输入至所述第二损失函数的特征相似度呈正相关关系；在遍历完成后，根据每个图像特征对的损失值确定所述图像处理模型的目标损失值，并按照减小所述目标损失值的方向对所述图像处理模型进行模型优化，以得到优化后的图像处理模型；采用所述优化后的图像处理模型对目标图像集进行图像筛选处理，所述目标图像集包括多个图像
。2.
根据权利要求1所述的方法，其特征在于，采用确定出的损失函数计算所述目标图像特征对的损失值的方式包括：计算所述第一图像特征和所述第二图像特征之间的特征距离；采用确定出的损失函数根据所述特征相似度以及所述特征距离，计算得到所述目标图像特征对的损失值
。3.
根据权利要求2所述的方法，其特征在于，所述采用确定出的损失函数根据所述特征相似度以及所述特征距离，计算得到所述目标图像特征对的损失值，包括：当所述确定出的损失函数为所述第一损失函数时，获取第一损失参数与所述特征相似度之间的差值；将所述差值与所述特征距离的乘法运算结果作为所述目标图像特征对的损失值，其中，所述特征相似度与所述特征距离呈负相关关系
。4.
根据权利要求2所述的方法，其特征在于，所述采用确定出的损失函数根据所述特征相似度以及所述特征距离，计算得到所述目标图像特征对的损失值，包括：当确定出的损失函数为所述第二损失函数时，获取所述特征距离与所述特征相似度之间的除法运算结果；将第二损失参数与所述除法运算结果之间的差值作为参考损失值，并将所述参考损失值和预设损失值中最大的损失值作为所述目标图像特征对的损失值
。5.
根据权利要求1所述的方法，其特征在于，所述方法还包括：获取至少一个图像样本以及图像特征队列，所述图像特征队列包括多个图像特征；提取所述至少一个图像样本中每个图像样本的图像特征，并采用所述每个图像样本的图像特征更新所述图像特征队列，得到更新后的图像特征队列；其中，一个图像样本的图像特征用于更新所述图像特征队列中的一个图像特征；依次将所述至少一个图像样本中每个图像样本的图像特征与所述更新后的图像特征队列中的每个图像特征进行组合，得到所述多个图像特征对
。
6.
根据权利要求1所述的方法，其特征在于，所述多个图像至少包括第一拍摄图像和第二拍摄图像，一个拍摄图像关联有一个拍摄时间；所述采用所述优化后的图像处理模型对目标图像集进行图像筛选处理，包括：采用所述优化后的图像处理模型获取所述第一拍摄图像的图像特征与所述第二拍摄图像的图像特征之间的目标特征相似度；获取所述第一拍摄图像的拍摄时间与所述第二拍摄图像的拍摄时间之间的时间差，并采用时间相似度算法根据所述时间差计算所述第一拍摄图像与所述第二拍摄图像之间的时间相似度；对所述时间相似度以及所述目标特征相似度进行加权运算，得到所述第一拍摄图像与所述第二拍摄图像之间的图像相似度
。7.
根据权利要求6所述的方法，其特征在于，所述方法还包括：针对所述多个图像中第
i
个拍摄图像，获取所述第
i
个拍摄图像与所述目标图像集中的其他拍摄图像之间的图像相似度，
i
为正整数，且
i
小于目标图像集中拍摄图像的数量；将所述目标图像集中与所述第
i
个拍摄图像之间的图像相似度大于第一相似度阈值的拍摄图像确定为所述第
i
个拍摄图像的第一重复图像；将所述目标图像集中与所述第
i
个拍摄图像之间的图像相似度小于所述第一相似度阈值，且大于第二相似度阈值的拍摄图像确定为所述第
i
个拍摄图像的相似图像；获取所述第
i
个拍摄图像的任一相似图像与每个第一重复图像之间的图像相似度；若与所述任一相似图像之间的图像相似度大于第三相似度阈值的第一重复图像的数量大于数量阈值，则将所述任一相似图像作为所述第
i
个拍摄图像的第二重复图像；将所述第
i
个拍摄图像的第一重复图像与第
i
个拍摄图像的第二重复图像作为所述第
i
个拍摄图像的重复图像
。8.
根据权利要求7所述的方法，其特征在于，所述重复图像的数量为多个；所述...

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