【技术实现步骤摘要】
本申请涉及图像处理，尤其涉及一种图像处理方法、装置、计算机设备及存储介质。
技术介绍
1、图像分类的任务就是给定一个图像，正确地给出该图像所属的类别。传统的图像分类研究中，多数为基于图像特征的分类，即根据不同类别图像的差异，利用图像处理算法提取相应的经过定性或定量表达的特征，对这些特征进行数学统计分析或使用分类器输出分类结果，这些人工设计特征缺乏良好的泛化性能，且依赖于设计者的先验知识和对分类任务的认知理解，海量、高维的数据也使得人工设计特征的难度呈指数级增加。
2、现有的基于深度学习的方式，相较于传统的图像分类方法，通过神经网络从训练样本图像中学习特征，提取出更高维、抽象的特征，并且这些特征与分类器关系紧密，在一定程度上可以较好的解决了人工提取特征和分类器选择的难题，是一种端到端的模型。但是该模型的使用需要利用大量的数据集预先进行训练，且数据之间的关联性不够紧密，同时计算成本较大。
技术实现思路
1、本申请实施例提供了一种图像处理方法、装置、计算机设备及存储介质，提高图像分类模型的鲁棒性和分类准确性。
2、第一方面，本申请实施例提供了一种图像处理方法，其包括：
3、获取样本图像，并对样本图像进行表征提取得到第一图像表征以及中间图像表征，第一图像特征基于中间图像表征得到；
4、对样本图像进行图像变换得到正例样本图像，并对正例样本图像进行表征提取得到第二图像表征；
5、根据中间图像表征以及第二图像表征构建第三图像表征；>
6、根据第一图像表征、第二图像表征以及第三图像表征，对图像分类模型进行训练，得到训练完成的图像分类模型。
7、第二方面，本申请实施例提供了一种图像处理装置，其包括：
8、第一提取模块，用于获取样本图像，并对样本图像进行表征提取得到第一图像表征以及中间图像表征，第一图像特征基于中间图像表征得到；
9、第二提取模块，用于对样本图像进行图像变换得到正例样本图像，并对正例样本图像进行表征提取得到第二图像表征；
10、表征重构模块，用于根据中间图像表征以及第二图像表征构建第三图像表征；
11、模型训练模块，用于根据第一图像表征、第二图像表征以及第三图像表征，对图像分类模型进行训练，得到训练完成的图像分类模型。
12、第三方面，本申请实施例又提供了一种计算机设备，其包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述的图像处理方法。
13、第四方面，本申请实施例还提供了一种存储介质，其中所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的图像处理方法。
14、本申请实施例提供了一种图像处理方法、装置、计算机设备及存储介质，在对图像分类模型进行训练时，首先对进行训练的样本图像集中的样本图像进行特征和表征的提取，得到样本图像对应的第一图像表征，以及表示样本图像的底层特征的中间图像表征，同时对样本图像集中的每一个样本图像进行图像增强，以得到正例样本图像，并对正例样本图像进行特征和表征的提取，得到正例样本图像对应的第二图像表征，然后基于中间图像表征对第二图像表征中的部分或者所有图像表征进行表征融合，生成第三图像表征，最后基于所得到的第一图像表征、第二图像表征以及第三图像表征对图像分类模型进行训练。实现了在训练过程中，通过难负例的构建降低对训练样本集的数量需求，同时难负例的构建和使用提高了模型训练的鲁棒性，使得图像分类模型具有更高的分类准确性。
本文档来自技高网...【技术保护点】
1.一种图像处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取样本图像，并对所述样本图像进行表征提取得到第一图像表征以及中间图像特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述样本图像进行图像变换得到正例样本图像，并对所述正例样本图像进行图像校对得到第二图像表征，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述中间图像表征以及所述第二图像表征构建第三图像表征，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述排序队列和预设队列阈值，在所述第二图像表征中选择负例图像表征集合，包括：
6.根据权利要求1至5中任一项所述的方法，其特征在于，所述根据所述第一图像表征、第二图像表征以及第三图像表征，对图像分类模型进行训练，得到训练完成的图像分类模型，包括：
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述方法还包括：
8.一种图像处理装置，其特征在于，所述装置包括：
9.一种计算机设备，其特征在于，所述计
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至7任一项所述的图像处理方法的步骤。
...【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述获取样本图像，并对所述样本图像进行表征提取得到第一图像表征以及中间图像特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述样本图像进行图像变换得到正例样本图像，并对所述正例样本图像进行图像校对得到第二图像表征，包括：
4.根据权利要求1所述的方法，其特征在于，所述根据所述中间图像表征以及所述第二图像表征构建第三图像表征，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述排序队列和预设队列阈值，在所述第二图像表征中选择负例图像表征集合，包括：
6.根据权利要求1至5中任一项所述的方...
【专利技术属性】
技术研发人员：李铭茵，霰心培，
申请(专利权)人：TCL科技集团股份有限公司，
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。