【技术实现步骤摘要】
本申请涉及图像处理，特别是涉及一种图像处理方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、在自动驾驶场景中，有一些场景的样本量较少，只有小数据集。稀有交通事件指的是在道路上相对不常见，且可能需要特殊处理或应对的交通事件。这些事件通常不是日常交通流程的一部分，而是出现在特定情况下，可能对交通安全和车辆操作提出额外的挑战，因此这类场景的样本数量较少且难以获得。传统的基于深度学习的图像分类算法在样本量不足时往往会因缺少归纳偏置而导致分类精度下降，以致存在分类效果差的问题。具体地说，在数据量较少的某些特定场景应用时，现有模型的泛化能力有限，在未见过的样本上性能不稳定，难以应对不同数据分布。在一些特定场景的小数据集中，标签的质量可能不高，存在标签错误或不准确的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种准确的图像处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种图像处理方法。所述方法包括：
3、将每一样本图像输入至第一编码器中，得到每一样本图像的第一特征向量，并将每一样本图像输入至第二编码器中，得到每一样本图像的第二特征向量，第一编码器和第二编码器所使用的图像增强策略不同；
4、根据所有样本图像的第一特征向量和第二特征向量，对第一编码器和第二编码器的网络参数进行更新；
5、根据更新后的第一编码器和第二编码器，确定每一样本图像的初始特征图；
6、根据
7、基于更新后的第一编码器和第二编码器，以及收敛后的预设特征提取模型构建目标模型，将待处理图像输入至目标模型中，得到待处理图像的实际提取特征。
8、在其中一个实施例中，将每一样本图像输入至第一编码器中，得到每一样本图像的第一特征向量，包括：
9、基于第一编码器的图像增强策略，获取每一样本图像相应的第一增强图像；
10、对第一增强图像进行特征提取，并将提取到的特征映射到预设维度的特征空间中，得到第一投影特征；
11、根据第一投影特征进行特征预测，得到每一样本图像的第一特征向量。
12、在其中一个实施例中，将每一样本图像输入至第二编码器中，得到每一样本图像的第二特征向量，包括：
13、基于第二编码器的图像增强策略，获取每一样本图像相应的第二增强图像；
14、对第二增强图像进行特征提取，并将提取到的特征映射到预设维度的特征空间中，得到第二投影特征；
15、根据第二投影特征，在键队列中查找每一样本图像对应的第二特征向量，键队列用于存储每一批次样本图像的特征样本的键。
16、在其中一个实施例中，根据所有样本图像的第一特征向量和第二特征向量，对第一编码器和得到第二编码器的网络参数进行更新，包括：
17、根据每一样本图像的第一特征向量和第二特征向量，计算自蒸馏损失值；
18、根据每一样本图像的自蒸馏损失值，对第一编码器和得到第二编码器的网络参数进行更新。
19、在其中一个实施例中，根据每一样本图像的自蒸馏损失值，对第一编码器和第二编码器的网络参数进行更新，包括：
20、计算自蒸馏损失值相对于第一编码器的当前网络参数的梯度；
21、将梯度对第一编码器和第二编码器的网络参数进行更新，更新方式包括梯度回传更新和动量更新。
22、在其中一个实施例中，根据每一样本图像的初始特征图对预设特征提取模型进行训练，包括：
23、根据每一样本图像的初始特征图，提取相应的加权特征图，加权特征图用于指示特征图通道权重对初始特征图的处理；
24、根据每一样本图像的初始特征图和加权特征图，确定每一样本图像的预测提取特征；
25、根据每一样本图像的预测提取特征，调整预设特征提取模型的模型参数。
26、第二方面，本申请还提供了一种图像处理装置。装置包括：
27、编码模块，用于将每一样本图像输入至第一编码器中，得到每一样本图像的第一特征向量，并将每一样本图像输入至第二编码器中，得到每一样本图像的第二特征向量，第一编码器和第二编码器所使用的图像增强策略不同；
28、更新模块，用于根据所有样本图像的第一特征向量和第二特征向量，对第一编码器和第二编码器的网络参数进行更新；
29、确定模块，用于根据更新后的第一编码器和第二编码器，确定每一样本图像的初始特征图；
30、训练模块，用于根据每一样本图像的初始特征图对预设特征提取模型进行训练，直至预设特征提取模型收敛；
31、提取模块，用于基于更新后的第一编码器和第二编码器，以及收敛后的预设特征提取模型构建目标模型，将待处理图像输入至目标模型中，得到待处理图像的实际提取特征。
32、第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
33、将每一样本图像输入至第一编码器中，得到每一样本图像的第一特征向量，并将每一样本图像输入至第二编码器中，得到每一样本图像的第二特征向量，第一编码器和第二编码器所使用的图像增强策略不同；
34、根据所有样本图像的第一特征向量和第二特征向量，对第一编码器和第二编码器的网络参数进行更新；
35、根据更新后的第一编码器和第二编码器，确定每一样本图像的初始特征图；
36、根据每一样本图像的初始特征图对预设特征提取模型进行训练，直至预设特征提取模型收敛；
37、基于更新后的第一编码器和第二编码器，以及收敛后的预设特征提取模型构建目标模型，将待处理图像输入至目标模型中，得到待处理图像的实际提取特征。
38、第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
39、将每一样本图像输入至第一编码器中，得到每一样本图像的第一特征向量，并将每一样本图像输入至第二编码器中，得到每一样本图像的第二特征向量，第一编码器和第二编码器所使用的图像增强策略不同；
40、根据所有样本图像的第一特征向量和第二特征向量，对第一编码器和第二编码器的网络参数进行更新；
41、根据更新后的第一编码器和第二编码器，确定每一样本图像的初始特征图；
42、根据每一样本图像的初始特征图对预设特征提取模型进行训练，直至预设特征提取模型收敛；
43、基于更新后的第一编码器和第二编码器，以及收敛后的预设特征提取模型构建目标模型，将待处理图像输入至目标模型中，得到待处理图像的实际提取特征。
44、第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算本文档来自技高网...
【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，所述将每一样本图像输入至第一编码器中，得到每一样本图像的第一特征向量，包括：
3.根据权利要求1所述的方法，其特征在于，所述将每一样本图像输入至第二编码器中，得到每一样本图像的第二特征向量，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所有样本图像的所述第一特征向量和所述第二特征向量，对所述第一编码器和得到第二编码器的网络参数进行更新，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据每一样本图像的自蒸馏损失值，对所述第一编码器和所述第二编码器的网络参数进行更新，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据每一样本图像的初始特征图对预设特征提取模型进行训练，包括：
7.一种图像处理装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
...【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，所述将每一样本图像输入至第一编码器中，得到每一样本图像的第一特征向量，包括：
3.根据权利要求1所述的方法，其特征在于，所述将每一样本图像输入至第二编码器中，得到每一样本图像的第二特征向量，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所有样本图像的所述第一特征向量和所述第二特征向量，对所述第一编码器和得到第二编码器的网络参数进行更新，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据每一样本图像的自蒸馏损失值，对所述第一编码器和所述第二编码器的网络参数进行更新，包括：<...
【专利技术属性】
技术研发人员：吕颖，董小瑜，刘宇杰，张坤超，
申请(专利权)人：中国第一汽车股份有限公司，
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。