【技术实现步骤摘要】
本公开涉及但不限于计算机，尤其涉及一种网络训练及图像处理方法、装置、电子设备及存储介质。
技术介绍
1、数据集(例如，图像)中的每一数据具有类别信息和领域信息。然而，有些领域中某一类别的数据的数量有限，使得利用有限的数据训练后的网络或模型的识别精度较低，准确度不高。
技术实现思路
1、本公开实施例至少提供一种网络训练及图像处理方法、装置、电子设备及存储介质。
2、本公开实施例的技术方案是这样实现的：
3、本公开实施例提供一种网络训练方法，所述网络训练方法包括：
4、利用待训练的特征提取网络，对第一图像样本进行特征提取，得到第一图像特征，所述第一图像样本属于目标图像类别；
5、基于所述第一图像特征和目标域中心特征，确定第二图像特征，所述目标域中心特征是从已训练的域中心库中确定的，所述已训练的域中心库中包括至少一个领域分别对应的域中心特征，每一所述域中心特征分别表征对应的领域中属于所述目标图像类别的图像的特征；
6、利用分类网络，对所述第二图像特征进行分类处理，得到分类结果；
7、基于所述分类结果，对所述特征提取网络的网络参数进行至少一次更新，得到训练后的所述特征提取网络。
8、本公开实施例提供一种图像处理方法，所述图像处理方法包括：
9、获取待处理图像；
10、利用已训练的目标特征提取网络，对所述待处理图像进行特征提取，得到目标特征，其中，所述已训练的目标特征提取网络包括：采用
11、基于所述目标特征，得到所述待处理图像的处理结果。
12、本公开实施例提供一种网络训练装置，所述网络训练装置包括：
13、第一提取模块，用于利用待训练的特征提取网络，对第一图像样本进行特征提取，得到第一图像特征，所述第一图像样本属于目标图像类别；
14、第一确定模块，用于基于所述第一图像特征和目标域中心特征，确定第二图像特征，所述目标域中心特征是从已训练的域中心库中确定的，所述已训练的域中心库中包括至少一个领域分别对应的域中心特征，每一所述域中心特征分别表征对应的领域中属于所述目标图像类别的图像的特征；
15、分类模块，用于利用分类网络，对所述第二图像特征进行分类处理，得到分类结果；
16、第一更新模块，用于基于所述分类结果，对所述特征提取网络的网络参数进行至少一次更新，得到训练后的所述特征提取网络。
17、本公开实施例提供一种图像处理装置，所述图像处理装置包括：
18、获取模块，用于获取待处理图像；
19、第二提取模块，用于利用已训练的目标特征提取网络，对所述待处理图像进行特征提取，得到目标特征，其中，所述已训练的目标特征提取网络包括：采用上述网络训练方法得到的特征提取网络；
20、第二确定模块，用于基于所述目标特征，确定所述目标图像的处理结果。
21、本公开实施例提供一种电子设备，包括处理器和存储器，所述存储器存储有可在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方法。
22、本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述方法。
23、本公开实施例提供一种计算机程序产品，所述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，所述计算机程序被计算机读取并执行时，实现上述方法。
24、在本公开实施例中，通过利用待训练的特征提取网络，对第一图像样本进行特征提取，得到第一图像特征，所述第一图像样本属于目标图像类别；基于所述第一图像特征和目标域中心特征，确定第二图像特征，所述目标域中心特征是从已训练的域中心库中确定的，所述已训练的域中心库中包括至少一个领域分别对应的域中心特征，每一所述域中心特征分别表征对应的领域中属于所述目标图像类别的图像的特征；利用分类网络，对所述第二图像特征进行分类处理，得到分类结果；基于所述分类结果，对所述特征提取网络的网络参数进行至少一次更新，得到训练后的所述特征提取网络。这样，一方面，在第一图像样本的图像特征中加入领域特征，对特征提取网络结构进行训练，从而可以增强特征提取网络的鲁棒性和提高特征提取网络的性能，进而提高训练后的特征提取网络的识别精度和准确度；另一方面，基于分类结果对特征提取网络的网络参数进行至少一次更新，由于分类结果是基于具有图像特征和领域特征的第二图像特征确定的，从而可以剔除图像样本的领域信息，使得训练后的特征提取网络提取的特征与领域信息无关，进而能够使得训练后的特征提取网络提取更加准确的图像特征，以提高图像分类、目标检测等图像处理任务的准确度。
25、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
本文档来自技高网...【技术保护点】
1.一种网络训练方法，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，所述基于所述分类结果，对所述特征提取网络的网络参数进行至少一次更新，得到训练后的所述特征提取网络，包括：
3.根据权利要求2所述的方法，其特征在于，所述预设的标签信息包括所述目标图像类别的类别标签信息和所述目标域中心特征的第一领域标签信息，所述分类结果包括图像类别信息和图像领域信息；
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述特征提取网络包括骨干网络和颈部网络；
5.根据权利要求4所述的方法，其特征在于，所述基于所述分类结果，对所述特征提取网络的网络参数进行至少一次更新，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，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，所述第二图像样本具有第二领域标签信息；
8.根据权利要求1至7中任一项所述的方法，其特征在于，所述基于所述第一图像特征和目标域中心特征，确定第二图像特征，包括：
9.一种图像处理方法，其特征在
10.一种网络训练装置，其特征在于，所述装置包括：
11.一种图像处理装置，其特征在于，所述装置包括：
12.一种电子设备，包括处理器和存储器，所述存储器存储有可在处理器上运行的计算机程序，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9任一项所述方法。
13.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该计算机程序被处理器执行时实现权利要求1至9中任一项所述方法。
...【技术特征摘要】
1.一种网络训练方法，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，所述基于所述分类结果，对所述特征提取网络的网络参数进行至少一次更新，得到训练后的所述特征提取网络，包括：
3.根据权利要求2所述的方法，其特征在于，所述预设的标签信息包括所述目标图像类别的类别标签信息和所述目标域中心特征的第一领域标签信息，所述分类结果包括图像类别信息和图像领域信息；
4.根据权利要求1至3中任一项所述的方法，其特征在于，所述特征提取网络包括骨干网络和颈部网络；
5.根据权利要求4所述的方法，其特征在于，所述基于所述分类结果，对所述特征提取网络的网络参数进行至少一次更新，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，所述方法还包括：
【专利技术属性】
技术研发人员：王宇杰，张正夫，
申请(专利权)人：深圳市商汤科技有限公司，
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。