CN111797266A - 图像处理方法和装置、存储介质和电子设备 - Google Patents
图像处理方法和装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN111797266A CN111797266A CN202010664687.4A CN202010664687A CN111797266A CN 111797266 A CN111797266 A CN 111797266A CN 202010664687 A CN202010664687 A CN 202010664687A CN 111797266 A CN111797266 A CN 111797266A
- Authority
- CN
- China
- Prior art keywords
- warehousing
- retrieval
- image
- feature
- branch
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/53—Querying
- G06F16/532—Query formulation, e.g. graphical querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种图像处理方法和装置、存储介质和电子设备,所述方法包括:将待处理图像输入图像处理模型;获取图像处理模型输出的检索标签和入库标签,其中,所述图像处理模型包括用于输出检索标签的检索分支,和用于输出入库标签的入库分支,所述检索分支,用于从所述待处理图像中提取第一检索特征,并基于所述第一检索特征和第二检索特征输出所述检索标签;所述入库分支,用于从所述待处理图像中提取第一入库特征,并基于所述第一入库特征和第二入库特征输出所述入库标签;其中,所述第二检索特征是由所述第一入库特征转换得到的,所述第二入库特征是由所述第一检索特征转换得到的。减少需要进行训练、维护的模型的数量,提升了提升模型的准确性和训练效率。
Description
技术领域
本公开涉及图像处理领域,具体地,涉及一种图像处理方法和装置、存储介质和电子设备。
背景技术
在涉及视觉搜索的场景下,通常需要将待查询的图像中物体的特征与数据库中的图像的特征进行比对,从而得到特征匹配的图像。而在大量业务场景下,待查询的图像中可能存在值得查询的物体特征,也可能是没有物体或者没有值得查询的物体的图像,而数据库需要大量的存储数据以支撑查询,数据库中的图像需要包括各种形式的物体。
因此,在此需求下,产生了两种针对特征判断的要求,对判断图像是否需要进行查询而言,需要严格的判定标准,判定出物体的种类,筛选掉可能导致误判别的无关物体或其他无需检索的物体类别,而对判断图像是否需要加入数据库而言,需要相对宽松的判定标准,以使数据库中存储的图像数据更加丰富,更有利于查找。目前,通常使用两个模型分别执行两种判断方式,但是两个模型都需要进行定期的维护迭代以保证模型的准确度,维护成本较高。
发明内容
提供该发明内容部分以便以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
第一方面,本公开提供一种图像处理方法,包括:将待处理图像输入图像处理模型;获取图像处理模型输出的检索标签和入库标签,其中,所述检索标签用于表征待处理图像中物体的类别,所述入库标签用于表征是否将所述待处理图像加入检索库中;其中,所述图像处理模型包括用于输出检索标签的检索分支,和用于输出入库标签的入库分支,所述检索分支,用于从所述待处理图像中提取第一检索特征,并基于所述第一检索特征和第二检索特征输出所述检索标签;所述入库分支,用于从所述待处理图像中提取第一入库特征,并基于所述第一入库特征和第二入库特征输出所述入库标签;其中,所述第二检索特征是由所述第一入库特征转换得到的,所述第二入库特征是由所述第一检索特征转换得到的。
第二方面,本公开提供一种图像处理装置,包括:输入模块,用于将待处理图像输入图像处理模型;获取模块,用于获取图像处理模型输出的检索标签和入库标签,其中,所述检索标签用于表征待处理图像中物体的类别,所述入库标签用于表征是否将所述待处理图像加入检索库中;其中,所述图像处理模型包括用于输出检索标签的检索分支,和用于输出入库标签的入库分支,所述检索分支,用于从所述待处理图像中提取第一检索特征,并基于所述第一检索特征和第二检索特征输出所述检索标签;所述入库分支,用于从所述待处理图像中提取第一入库特征,并基于所述第一入库特征和第二入库特征输出所述入库标签;其中,所述第二检索特征是由所述第一入库特征转换得到的,所述第二入库特征是由所述第一检索特征转换得到的。
第三方面,本公开提供一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现本公开第一方面中任一项所述方法的步骤。
第四方面,本公开提供一种电子设备,包括存储装置和处理装置,其中,存储装置上存储有计算机程序;处理装置用于执行所述存储装置中的所述计算机程序,以实现本公开第一方面中任一项所述方法的步骤。
基于上述的技术方案,至少可以达到以下的技术效果:
通过一个图像处理模型同时完成对图像中表征物体类别的检索标签的判别及是否需要入库的判断,相比现有技术中分别使用两个模型进行检索标签生成和入库判断的方案,减少了需要进行训练、维护的模型的数量,提升了检索判断和入库判断任务的处理效率,节约了人力、物力成本,并且,通过模型两分支对特征的互学习,一方面可以利用另外一分支特征加强本分支特征的学习和促进,另外一方面使得底层特征、互学习模块各有分工相互弥补,促进模型各分支的收敛,提升模型的准确性和训练效率。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,原件和元素不一定按照比例绘制。在附图中:
图1是根据一示例性公开实施例示出的一种图像处理方法的流程图。
图2是根据一示例性公开实施例示出的一种图像处理模型的示意图。
图3是根据一示例性公开实施例示出的一种图像处理装置的框图。
图4是根据一示例性公开实施例示出的一种电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
图1是根据一示例性公开实施例示出的一种图像处理方法的流程图,如图1所示,所述图像处理方法包括以下步骤:
S11、将待处理图像输入图像处理模型。
在一种可能的实施方式中,可以从待处理视频中获取待处理图像,该待处理图像可以是待处理视频的封面帧的图像,也可以是待处理视频中预设时刻的图像帧,还可以是以预设时间间隔从待处理视频中抽取得到的多个图像帧。
例如,该预设时刻可以为3秒,则待处理视频的第三秒的图像帧即为该待处理图像;该预设时间间隔可以为3秒,则可以以3秒为间隔,在待处理视频中抽取多张图像帧,并将这些图像帧作为待处理图像,分别输入图像处理模型。
图像处理模型包括用于输出检索标签的检索分支,和用于输出入库标签的入库分支,其中,检索分支可以从所述待处理图像中提取第一检索特征,并基于所述第一检索特征和第二检索特征输出所述检索标签,入库分支可以从所述待处理图像中提取第一入库特征,并基于所述第一入库特征和第二入库特征输出所述入库标签。其中,所述第二检索特征是由所述第一入库特征转换得到的,所述第二入库特征是由所述第一检索特征转换得到的。
所述检索标签用于表征待处理图像中物体的类别,所述入库标签用于表征是否将所述待处理图像加入检索库中。
基于该检索标签,可以进一步根据该图像标签判断是否需要进行检索。例如,可以设定标签值0为风景图像,标签值1为人物图像,标签值2为猫图像,标签值3为狗图像等,当场景需求为对狗图像进行检索时,可以根据图像标签输出的标签值判断是否需要进行检索,当标签值为3时确定从所述检索库中查询与所述待处理图像特征匹配的目标图像。
S12、获取图像处理模型输出的检索标签和入库标签。
其中,所述检索标签用于表征待处理图像中物体的类别,所述入库标签用于表征是否将所述待处理图像加入检索库中,并且,可以基于检索标签判断是否从所述检索库中查询与所述待处理图像特征匹配的目标图像。
例如,该检索标签可以包括“a”(表征风景)、“b”(表征人物)、“c”(表征猫)、“d”(表征狗)等;当场景需要对风景、人物以外的图像进行检索,且检索标签为“c”时,可以确定需要从所述检索库中查询与所述待处理图像特征匹配的目标图像。
检索分支可以基于第一检索特征和第二检索特征输出检索标签,入库分支可以基于第一入库特征和第二入库特征输出入库标签,对任一分支而言,两个特征可以同时作为输入值,或进行融合处理后作为输入值。
在一种可能的实施方式中,所述图像处理模型的所述检索分支,用于将所述第一检索特征和第二检索特征融合,得到最终检索特征,并基于所述最终检索特征输出所述检索标签;所述入库分支,用于将所述第一入库特征和第二入库特征融合,得到最终入库特征,并基于所述最终入库特征输出所述入库标签。
其中,特征之间的融合可以通过将两者进行相关性乘法的方式实现,也可以通过其他特征融合的方式实现,例如,相加、加权相乘等,本公开对此不做限制。
由于两分支对图像的处理标准不同,两分支从同一张图像中得到的图像特征并不相同,检索分支更注重影响物体类别的特性,入库分支更注重影响物体是否需要入库的特征,但两者都是从图像中物体的视觉特征来判断的,两者提取到的特征具有一定关联性。因此,可以将一个分支提取到的特征与另一分支提取到的特征进行加权融合,既可以提升单个分支得到的特征的丰富性,也可以利用另外一分支特征加强本分支特征的学习和促进,使得两个分支对自身任务的处理能力均得到提升,同时,由于模型的训练过程中两个分支的子任务均可以对另一个分支的特征提取产生影响,从而可以使得模型在训练过程中快速收敛,使得训练和维护成本下降。
在一种可能的实施方式中,可以通过卷积函数和激活函数将所述第一入库特征转换为所述第二检索特征,并将所述第一检索特征转换为所述第二入库特征,其中,所述第二检索特征的维度比所述第一入库特征的维度低,所述第二入库特征的维度比所述第一检索特征的维度低。
例如,可以通过卷积ConV和Sigmoid激活函数,将原本为H*W*C三通道的第一检索特征或第一入库特征,转换为H*W*1的第二入库特征或第二检索特征,由此可见,通过卷积Conv和sigmoid的处理,第二入库特征和第二检索特征中的C通道被压缩为1,从而可以作为加权特征,在不会大程度影响到第一入库特征和第一检索特征的基础上与其结合。
值得说明的是,对第一检索特征或第一入库特征的转换可以由检索分支完成,也可以由入库分支完成,还可以是两者配合完成或分工完成;模型中还可以设置转换模块,用于对两分支提取的特征分别进行转换,并输入另一分支。
如图2所示的是一种图像处理模型的示意图,如图2所示,检索分支从待处理图像中提取得到第一检索特征(图2中以黑色长方体所表示),并通过对第一检索特征的转换,获得第二入库特征(图2中以黑色长方形所表示);入库分支从待处理图像中提取得到第一入库特征(图2中以白色长方体所表示),并通过对第一入库特征的转换,获得第二检索特征(图2中以白色长方形所表示)。检索分支将第一检索特征和第二检索特征融合,得到最终检索特征(图2中以上白下黑的长方体所表示),并基于最终检索特征输出检索标签;入库分支将第一入库特征和第二入库特征融合,得到最终入库特征(图2中以上黑下白的长方体所表示),并基于最终入库特征输出入库标签。
所述图像处理模型是通过以下方式训练得到的:
将已标注检索标签和入库标签的样本图像集输入待训练的图像处理模型;
重复执行基于所述图像处理模型输出的检索标签和入库标签,以及样本图像的实际检索标签和实际入库标签,以及预设的损失函数,调整所述图像处理模型的所述检索分支和/或所述入库分支的参数的步骤,直至满足训练停止条件。其中,所述预设的损失函数包括用于生成所述检索标签的损失值的第一损失函数,和用于生成所述入库标签的损失值的第二损失函数。
该训练停止条件可以是模型得到的结果误差低于预设误差阈值,或者模型的迭代次数满足预设次数条件,或者样本集中的样本数量满足预设数量条件等,本领域技术人员应知悉,有多种判断模型的训练深度是否足够的标准,因而存在多种可能的停止条件,从而本公开对该训练停止条件不做限制。
该第一损失函数用于惩罚检索分支生成的检索标签与实际的检索标签间的误差,该第二损失函数用于惩罚入库分支生成的入库标签与实际的入库标签间的误差。由于各分支用于生成标签的特征会受到另一分支的所提取到的特征的影响,因此,通过一个分支的标签结果的偏差惩罚该分支,可以改进该分支对特征的提取,并影响到另一分支用于生成标签的特征,从而达到通过一个子分支的学习任务同时提升两个分支的判别精度的效果。
在一种可能的实施方式中,所述检索标签包括表征物体为可检索的类别的第一类标签,所述入库标签包括表征图片为不可入库图片的第二类标签,所述预设的损失函数还包括:用于在所述检索分支输出的标签为所述第一类标签,且所述入库分支针对同一图片输出的标签为所述第二类标签时产生损失值的第三损失函数。
在模型的使用过程中,入库的目的是为了能够在后续检索时在库中找到类似特征的图像,而如果模型判定待处理图像可以检索但不必入库,则不满足模型的使用需求,违背了模型的训练初衷,因此,可以将检索标签中表征需要进行检索的部分设定为第一类标签,将入库标签中表征不需要进行入库的部分设定为第二类标签,并设置用于惩罚所述检索分支输出的检索标签与所述入库分支输出的入库标签不相符的情况的第三损失函数,当模型训练中出现了检索分支输出了第一类标签且针对同一样本图片入库分支输出了第二类标签的情况,可以基于该第三损失函数产生损失值,并调整模型中的参数,以减少两分支输出的结果不相符的可能性。
例如,检索标签可以是包括0~24种表征不同物体类型的标签,其中0和1表征着无需检索的物体类型,2~24表征着需要进行检索的物体类型,入库标签可以是0和1两种标签,其中0表征该图像无需入库,1表征该图像需要入库,则可以将检索标签中的“2”~“24”设定为第一类标签,将入库标签中的“0”设置为第二类标签,在模型训练过程中,如果出现检索分支输出结果为2~24中的任一标签,且入库分支输出结果为0的情况,第三损失函数会对模型进行惩罚,以使模型自我调整以减少上述情况的出现。
在一种可能的实施方式中,可以通过第一损失函数,基于所述图像处理模型输出的检索标签和实际检索标签生成第一损失值;通过第二损失函数,基于所述图像处理模型输出的入库标签和实际入库标签生成第二损失值;通过第三损失函数,基于所述图像处理模型输出的检索标签和入库标签生成第三损失值;基于所述第一损失值、第二损失值和第三损失值,生成最终损失值,并基于所述最终损失值调整所述图像处理模型的所述检索分支和/或所述入库分支的参数。在具体使用时,该最终损失值与三个损失值之间的关系可以根据模型需求进行设定,当需要模型更精确地进行检索标签判别时,可以增大第一损失值的权重,在模型不需要精确地对检索标签进行判别时,可以减少第一损失值的权重。
考虑到在多分支或多损失值存在的情况下,在训练过程中,模型很容易被其中某个比较简单或者比较难的任务所左右,使得模型整体的精度较高但某种类型的任务的精度较低,因此,在一种可能的实施方式中,通过下述方式生成最终损失值:
loss=L1×lossi+L2×loss2+loss3
其中,loss为所述最终损失值,loss1为所述第一损失值,loss2为所述第二损失值,loss3为所述第三损失值。这样,将三种损失值对模型的影响进行平衡,使模型更公平地对各种难度和各种类型的样本进行学习,提升模型的精确度。
在一种可能的实施方式中,可以将待处理图像输入主意图判别模型,并获取所述主意图判别模型输出的表征所述待处理图像中的主意图对象的子图像,并将所述子图像输入所述图像处理模型。
这样,可以排除待处理图像中环境内容的干扰,将含有主意图物体的部分作为图像处理模型的输入,从而提升图像处理模型的处理精度和处理效率。值得说明的是,该表征所述待处理图像中的主意图对象的子图像,可以是基于待处理图像裁剪后余留主意图对象的部分图像,也可以是在待处理图像的基础上以图像框的形式标注出主意图对象的图像,还可以是在待处理图像的基础上,通过图像旋转、畸变校正、裁剪等操作后,将主意图对象置于中心位置的子图像。本公开对子图像中主意图对象的表现形式不做限定。
其中,所述意图判别模型包括主意图判别分支和位置处理分支,其中,所述位置处理分支用于从图像中提取空间位置掩码,所述主意图判别分支用于从图像中提取图像特征信息,并将所述空间位置掩码作为所述图像特征信息的权重特征,添加至所述图像特征信息中,并基于加权处理后的所述图像特征信息,输出至少包括所述主意图对象的子图像。。
在物体识别的过程中,不仅要考虑物体外观上的图像特征,还要考虑到物体所处的位置。例如,在进行物体推荐时,要为用户推荐符合用户意图的物体相关的内容,需要从位置上考虑用户的视觉范围,排除不处于视觉中心的边缘物体对物体识别的影响(值得说明的是,视觉中心不代表画面中心,视觉中心还有可能是位于画面边缘的区域);在进行特定物体追踪时,例如,需要对视频中除主要被拍摄者以外的人(如影视剧中的配角、取证视频中位于非视频中心区域的人物)进行追踪时,需要排除其他物体、人物对这类人物识别的干扰。在现有技术中,通常是识别出多个物体并由用户手动指定其中的一个物体以完成对特定条件的物体的后续处理,这种方法过于依赖人力,不够便捷。
在本公开中,意图判别模型结合了物体的图像特征和空间位置来确定主意图对象的子图像,不仅考虑到物体的视觉特征,还考虑到了物体的位置,可以根据模型的使用过程中对物体位置的需求,训练出可以判定位于不同位置类型的主意图对象的意图判别模型。
在一种可能的实施方式中,通过卷积函数和激活函数将所述空间位置掩码转换为空间位置权重,将所述空间位置权重与所述图像特征信息相乘,得到加权后的图像特征信息,其中,所述空间位置权重的维度比所述空间位置掩码的维度低。
在空间位置掩码中,存在物体的矩阵位置可以被标记为1,不存在物体的矩阵位置可以被标记为0。在本公开中,可能存在主意图物体的矩阵位置可以被标记为1,其他物体或不存在物体的矩阵位置可以被标记为0。
考虑到空间位置信息和图像特征信息都是维度较高的信息,在图像特征丰富或图像数量较多、图像待处理面积较大的情况下,随着网络的深入,图像特征及空间位置的特征提取难度会复杂,且计算难度也较大,因此,可以通过卷积函数和激活函数将所述空间位置掩码转换为空间位置权重,其中,所述空间位置权重中的一个维度的特征被压缩为单形式的特征(例如,三通道的特征中,有一个通道中的特征值均被压缩为1)。
例如,原有的空间位置掩码为三维矩阵H*W*C,可以通过卷积Conv和Sigmoid激活函数,将其转换为H*W*1的权重特征,由此可见,通过卷积函数和激活函数的处理,空间位置掩码中的C通道被压缩为1,从而可以将该权重特征与图像特征信息进行叠加,得到加权处理后的图像特征信息。
此时基于空间位置加权后的图像特征相比于原有的图像特征而言,添加了各个物体的空间特征,能让模型在进行意图判别时考虑物体的空间位置信息。
通过由空间位置信息得到的权重特征的处理,图片中位于主意图位置的物体的图像特征被强调,从而意图判别模型可以在既考虑到视觉特征又考虑到位置特征的基础上,对图像中的主意图物体进行判别,从而减少视觉特征上符合意图特征,但空间位置上明显不是主意图的情况发生,提高了意图判别的准确度。
在一种可能的实施方式中,通过意图判别模型的特征提取层提取共享特征,并通过位置处理分支从共享特征中提取空间位置掩码,通过主意图判别分支从共享特征中提取图像特征信息。通过位置处理分支和主意图判别分支共享由意图判别模型的特征提取层提取的共享特征,可以减少各分支从图像中提取特征的程序,提升特征的提取效率。值得说明是,在对主意图判别分支或位置处理分支进行训练时,均可以通过反向传播的方式调整该特征提取层,从而达到高效训练特征提取层的目的,且由于该特征提取层与两分支相连,则调整该特征提取层可以同时提升两分支的精度,提升训练效率。
在一种可能的实施方式中,基于所述检索标签,判断是否从所述检索库中查询与所述待处理图像特征匹配的目标图像和/或目标视频,和/或基于所述入库标签,判断是否将所述待处理图像加入所述检索库中,并在确定将所述待处理图像加入检索库中的情况下,将所述待处理图像和/或提取到所述待处理图像的视频加入所述检索库中。
例如,可以设定检索标签值0为风景图像,检索标签值1为人物图像,检索标签值2为猫图像,检索标签值3为狗图像等,当场景需求为对狗图像进行检索时,可以根据检索标签判断是否需要进行检索,当标签值为3时确定从所述检索库中查询与所述待处理图像特征匹配的目标图像。
基于上述的技术方案,至少可以达到以下的技术效果:
通过一个图像处理模型同时完成对图像中表征物体类别的检索标签的判别及是否需要入库的判断,相比现有技术中分别使用两个模型进行检索标签生成和入库判断的方案,减少了需要进行训练、维护的模型的数量,提升了检索判断和入库判断任务的处理效率,节约了人力、物力成本,并且,通过模型两分支对特征的互学习,一方面可以利用另外一分支特征加强本分支特征的学习和促进,另外一方面使得底层特征、互学习模块各有分工相互弥补,促进模型各分支的收敛,提升模型的准确性和训练效率。
图3是根据一示例性公开实施例示出的一种图像处理装置的框图,如图3所示,所述图像处理装置300包括输入模块310、获取模块320。
其中,所述输入模块310,用于将待处理图像输入图像处理模型。
获取模块320,用于获取图像处理模型输出的检索标签和入库标签,其中,所述检索标签用于表征待处理图像中物体的类别,所述入库标签用于表征是否将所述待处理图像加入检索库中。其中,所述图像处理模型包括用于输出检索标签的检索分支,和用于输出入库标签的入库分支,所述检索分支,用于从所述待处理图像中提取第一检索特征,并基于所述第一检索特征和第二检索特征输出所述检索标签;所述入库分支,用于从所述待处理图像中提取第一入库特征,并基于所述第一入库特征和第二入库特征输出所述入库标签;其中,所述第二检索特征是由所述第一入库特征转换得到的,所述第二入库特征是由所述第一检索特征转换得到的。
在一种可能的实施方式中,所述检索分支,用于将所述第一检索特征和第二检索特征融合,得到最终检索特征,并基于所述最终检索特征输出所述检索标签;所述入库分支,用于将所述第一入库特征和第二入库特征融合,得到最终入库特征,并基于所述最终入库特征输出所述入库标签。
在一种可能的实施方式中,通过卷积函数和激活函数将所述第一入库特征转换为所述第二检索特征,并将所述第一检索特征转换为所述第二入库特征,其中,所述第二检索特征的维度比所述第一入库特征的维度低,所述第二入库特征的维度比所述第一检索特征的维度低。
在一种可能的实施方式中,所述装置还包括判断模块,用于基于所述检索标签,判断是否从所述检索库中查询与所述待处理图像特征匹配的目标图像和/或目标视频,并基于所述入库标签,判断是否将所述待处理图像加入所述检索库中,并在确定将所述待处理图像加入检索库中的情况下,将所述待处理图像和/或提取到所述待处理图像的视频加入所述检索库中。
在一种可能的实施方式中,所述装置还包括训练模块,用于将已标注检索标签和入库标签的样本图像集输入待训练的图像处理模型;重复执行基于所述图像处理模型输出的检索标签和入库标签,以及样本图像的实际检索标签和实际入库标签,以及预设的损失函数,调整所述图像处理模型的所述检索分支和/或所述入库分支的参数的步骤,直至满足训练停止条件;其中,所述预设的损失函数包括用于生成所述检索标签的损失值的第一损失函数,和用于生成所述入库标签的损失值的第二损失函数。
在一种可能的实施方式中,所述检索标签包括表征物体为可检索的类别的第一类标签,所述入库标签包括表征图片为不可入库图片的第二类标签,所述预设的损失函数还包括:用于在所述检索分支输出的标签为所述第一类标签,且所述入库分支针对同一图片输出的标签为所述第二类标签时产生损失值的第三损失函数。
在一种可能的实施方式中,所述训练模块,还用于通过第一损失函数,基于所述图像处理模型输出的检索标签和实际检索标签生成第一损失值;通过第二损失函数,基于所述图像处理模型输出的入库标签和实际入库标签生成第二损失值;通过第三损失函数,基于所述图像处理模型输出的检索标签和入库标签生成第三损失值;基于所述第一损失值、第二损失值和第三损失值,生成最终损失值,并基于所述最终损失值调整所述图像处理模型的所述检索分支和/或所述入库分支的参数。
在一种可能的实施方式中,所述训练模块,用于通过下述方式生成最终损失值:loss=L1×loss1+L2×loss2+loss3, 其中,loss为所述最终损失值,loss1为所述第一损失值,loss2为所述第二损失值,loss3为所述第三损失值。
在一种可能的实施方式中,所述输入模块310,用于将待处理图像输入主意图判别模型,并获取所述主意图判别模型输出的表征所述待处理图像中的主意图对象的子图像,并将所述子图像输入所述图像处理模型。
在一种可能的实施方式中,所述意图判别模型包括主意图判别分支和位置处理分支,其中,所述位置处理分支用于从图像中提取空间位置掩码,所述主意图判别分支用于从图像中提取图像特征信息,并将所述空间位置掩码作为所述图像特征信息的权重特征,添加至所述图像特征信息中,并基于加权处理后的所述图像特征信息,输出至少包括所述主意图对象的子图像。
基于上述的技术方案,至少可以达到以下的技术效果:
通过一个图像处理模型同时完成对图像中表征物体类别的检索标签的判别及是否需要入库的判断,相比现有技术中分别使用两个模型进行检索标签生成和入库判断的方案,减少了需要进行训练、维护的模型的数量,提升了检索判断和入库判断任务的处理效率,节约了人力、物力成本,并且,通过模型两分支对特征的互学习,一方面可以利用另外一分支特征加强本分支特征的学习和促进,另外一方面使得底层特征、互学习模块各有分工相互弥补,促进模型各分支的收敛,提升模型的准确性和训练效率。
下面参考图4,其示出了适于用来实现本公开实施例的电子设备400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图4所示,电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401,其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中,还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407;包括例如磁带、硬盘等的存储装置408;以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在非暂态计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置409从网络上被下载和安装,或者从存储装置408被安装,或者从ROM 402被安装。在该计算机程序被处理装置401执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取至少两个网际协议地址;向节点评价设备发送包括所述至少两个网际协议地址的节点评价请求,其中,所述节点评价设备从所述至少两个网际协议地址中,选取网际协议地址并返回;接收所述节点评价设备返回的网际协议地址;其中,所获取的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,模块的名称在某种情况下并不构成对该模块本身的限定,例如,第一获取模块还可以被描述为“获取至少两个网际协议地址的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例,示例1提供了一种图像处理方法,包括将待处理图像输入图像处理模型;获取图像处理模型输出的检索标签和入库标签,其中,所述检索标签用于表征待处理图像中物体的类别,所述入库标签用于表征是否将所述待处理图像加入检索库中;其中,所述图像处理模型包括用于输出检索标签的检索分支,和用于输出入库标签的入库分支,所述检索分支,用于从所述待处理图像中提取第一检索特征,并基于所述第一检索特征和第二检索特征输出所述检索标签;所述入库分支,用于从所述待处理图像中提取第一入库特征,并基于所述第一入库特征和第二入库特征输出所述入库标签;其中,所述第二检索特征是由所述第一入库特征转换得到的,所述第二入库特征是由所述第一检索特征转换得到的。
根据本公开的一个或多个实施例,示例2提供了示例1的方法,所述检索分支,用于将所述第一检索特征和第二检索特征融合,得到最终检索特征,并基于所述最终检索特征输出所述检索标签;
所述入库分支,用于将所述第一入库特征和第二入库特征融合,得到最终入库特征,并基于所述最终入库特征输出所述入库标签。
根据本公开的一个或多个实施例,示例3提供了示例1的方法,通过卷积函数和激活函数将所述第一入库特征转换为所述第二检索特征,并将所述第一检索特征转换为所述第二入库特征,其中,所述第二检索特征的维度比所述第一入库特征的维度低,所述第二入库特征的维度比所述第一检索特征的维度低。
根据本公开的一个或多个实施例,示例4提供了示例1的方法,所述方法还包括:基于所述检索标签,判断是否从所述检索库中查询与所述待处理图像特征匹配的目标图像和/或目标视频,和/或基于所述入库标签,判断是否将所述待处理图像加入所述检索库中,并在确定将所述待处理图像加入检索库中的情况下,将所述待处理图像和/或提取到所述待处理图像的视频加入所述检索库中。
根据本公开的一个或多个实施例,示例5提供了示例1的方法,所述图像处理模型是通过以下方式训练得到的:将已标注检索标签和入库标签的样本图像集输入待训练的图像处理模型;重复执行基于所述图像处理模型输出的检索标签和入库标签,以及样本图像的实际检索标签和实际入库标签,以及预设的损失函数,调整所述图像处理模型的所述检索分支和/或所述入库分支的参数的步骤,直至满足训练停止条件;其中,所述预设的损失函数包括用于生成所述检索标签的损失值的第一损失函数,和用于生成所述入库标签的损失值的第二损失函数。
根据本公开的一个或多个实施例,示例6提供了示例5的方法,所述检索标签包括表征物体为可检索的类别的第一类标签,所述入库标签包括表征图片为不可入库图片的第二类标签,所述预设的损失函数还包括:用于在所述检索分支输出的标签为所述第一类标签,且所述入库分支针对同一图片输出的标签为所述第二类标签时产生损失值的第三损失函数。
根据本公开的一个或多个实施例,示例7提供了示例6的方法,所述基于所述图像处理模型输出的检索标签和入库标签,以及样本图像的实际检索标签和实际入库标签,以及预设的损失函数,调整所述图像处理模型的所述检索分支和/或所述入库分支的参数,包括:通过第一损失函数,基于所述图像处理模型输出的检索标签和实际检索标签生成第一损失值;通过第二损失函数,基于所述图像处理模型输出的入库标签和实际入库标签生成第二损失值;通过第三损失函数,基于所述图像处理模型输出的检索标签和入库标签生成第三损失值;基于所述第一损失值、第二损失值和第三损失值,生成最终损失值,并基于所述最终损失值调整所述图像处理模型的所述检索分支和/或所述入库分支的参数。
根据本公开的一个或多个实施例,示例8提供了示例7的方法,所述基于所述第一损失值、第二损失值和第三损失值,生成最终损失值,包括:通过下述方式生成最终损失值:loss=L1×loss1+L2×loss2+loss3,其中,loss为所述最终损失值,loss1为所述第一损失值,loss2为所述第二损失值,loss3为所述第三损失值。
根据本公开的一个或多个实施例,示例9提供了示例1-8的方法,所述将待处理图像输入图像处理模型,包括:将待处理图像输入主意图判别模型,并获取所述主意图判别模型输出的表征所述待处理图像中的主意图对象的子图像,并将所述子图像输入所述图像处理模型。
根据本公开的一个或多个实施例,示例10提供了示例9的方法,所述意图判别模型包括主意图判别分支和位置处理分支,其中,所述位置处理分支用于从图像中提取空间位置掩码,所述主意图判别分支用于从图像中提取图像特征信息,并将所述空间位置掩码作为所述图像特征信息的权重特征,添加至所述图像特征信息中,并基于加权处理后的所述图像特征信息,输出至少包括所述主意图对象的子图像。
根据本公开的一个或多个实施例,示例11提供了一种图像处理装置,包括:输入模块,用于将待处理图像输入图像处理模型;获取模块,用于获取图像处理模型输出的检索标签和入库标签,其中,所述检索标签用于表征待处理图像中物体的类别,所述入库标签用于表征是否将所述待处理图像加入检索库中;其中,所述图像处理模型包括用于输出检索标签的检索分支,和用于输出入库标签的入库分支,所述检索分支,用于从所述待处理图像中提取第一检索特征,并基于所述第一检索特征和第二检索特征输出所述检索标签;所述入库分支,用于从所述待处理图像中提取第一入库特征,并基于所述第一入库特征和第二入库特征输出所述入库标签;其中,所述第二检索特征是由所述第一入库特征转换得到的,所述第二入库特征是由所述第一检索特征转换得到的。
根据本公开的一个或多个实施例,示例12提供了示例11的装置,所述检索分支,用于将所述第一检索特征和第二检索特征融合,得到最终检索特征,并基于所述最终检索特征输出所述检索标签;所述入库分支,用于将所述第一入库特征和第二入库特征融合,得到最终入库特征,并基于所述最终入库特征输出所述入库标签。
根据本公开的一个或多个实施例,示例13提供了示例11的装置,通过卷积函数和激活函数将所述第一入库特征转换为所述第二检索特征,并将所述第一检索特征转换为所述第二入库特征,其中,所述第二检索特征的维度比所述第一入库特征的维度低,所述第二入库特征的维度比所述第一检索特征的维度低。
根据本公开的一个或多个实施例,示例14提供了示例11的装置,所述装置还包括判断模块,用于基于所述检索标签,判断是否从所述检索库中查询与所述待处理图像特征匹配的目标图像和/或目标视频,以及基于所述入库标签,判断是否将所述待处理图像加入所述检索库中,并在确定将所述待处理图像加入检索库中的情况下,将所述待处理图像和/或提取到所述待处理图像的视频加入所述检索库中。
根据本公开的一个或多个实施例,示例15提供了示例11的装置,所述装置还包括训练模块,用于将已标注检索标签和入库标签的样本图像集输入待训练的图像处理模型;重复执行基于所述图像处理模型输出的检索标签和入库标签,以及样本图像的实际检索标签和实际入库标签,以及预设的损失函数,调整所述图像处理模型的所述检索分支和/或所述入库分支的参数的步骤,直至满足训练停止条件;其中,所述预设的损失函数包括用于生成所述检索标签的损失值的第一损失函数,和用于生成所述入库标签的损失值的第二损失函数。
根据本公开的一个或多个实施例,示例16提供了示例15的装置,所述检索标签包括表征物体为可检索的类别的第一类标签,所述入库标签包括表征图片为不可入库图片的第二类标签,所述预设的损失函数还包括:用于在所述检索分支输出的标签为所述第一类标签,且所述入库分支针对同一图片输出的标签为所述第二类标签时产生损失值的第三损失函数。
根据本公开的一个或多个实施例,示例17提供了示例16的装置,所述训练模块,还用于通过第一损失函数,基于所述图像处理模型输出的检索标签和实际检索标签生成第一损失值;通过第二损失函数,基于所述图像处理模型输出的入库标签和实际入库标签生成第二损失值;通过第三损失函数,基于所述图像处理模型输出的检索标签和入库标签生成第三损失值;基于所述第一损失值、第二损失值和第三损失值,生成最终损失值,并基于所述最终损失值调整所述图像处理模型的所述检索分支和/或所述入库分支的参数。
根据本公开的一个或多个实施例,示例18提供了示例17的装置,所述训练模块,用于通过下述方式生成最终损失值:loss=L1×loss1+L2×loss2+loss3,其中,loss为所述最终损失值,loss1为所述第一损失值,loss2为所述第二损失值,loss3为所述第三损失值。
根据本公开的一个或多个实施例,示例19提供了示例11-18的装置,所述输入模块,用于将待处理图像输入主意图判别模型,并获取所述主意图判别模型输出的表征所述待处理图像中的主意图对象的子图像,并将所述子图像输入所述图像处理模型。
根据本公开的一个或多个实施例,示例20提供了示例19的装置,所述意图判别模型包括主意图判别分支和位置处理分支,其中,所述位置处理分支用于从图像中提取空间位置掩码,所述主意图判别分支用于从图像中提取图像特征信息,并将所述空间位置掩码作为所述图像特征信息的权重特征,添加至所述图像特征信息中,并基于加权处理后的所述图像特征信息,输出至少包括所述主意图对象的子图像。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
Claims (13)
1.一种图像处理方法,其特征在于,所述方法包括:
将待处理图像输入图像处理模型;
获取图像处理模型输出的检索标签和入库标签,其中,所述检索标签用于表征待处理图像中物体的类别,所述入库标签用于表征是否将所述待处理图像加入检索库中;
其中,所述图像处理模型包括用于输出检索标签的检索分支,和用于输出入库标签的入库分支,
所述检索分支,用于从所述待处理图像中提取第一检索特征,并基于所述第一检索特征和第二检索特征输出所述检索标签;
所述入库分支,用于从所述待处理图像中提取第一入库特征,并基于所述第一入库特征和第二入库特征输出所述入库标签;
其中,所述第二检索特征是由所述第一入库特征转换得到的,所述第二入库特征是由所述第一检索特征转换得到的。
2.根据权利要求1所述的图像处理方法,其特征在于,所述检索分支,用于将所述第一检索特征和第二检索特征融合,得到最终检索特征,并基于所述最终检索特征输出所述检索标签;
所述入库分支,用于将所述第一入库特征和第二入库特征融合,得到最终入库特征,并基于所述最终入库特征输出所述入库标签。
3.根据权利要求1所述的方法,其特征在于,通过卷积函数和激活函数将所述第一入库特征转换为所述第二检索特征,并将所述第一检索特征转换为所述第二入库特征,其中,所述第二检索特征的维度比所述第一入库特征的维度低,所述第二入库特征的维度比所述第一检索特征的维度低。
4.根据权利要求1所述的图像处理方法,其特征在于,所述方法还包括:
基于所述检索标签,判断是否从所述检索库中查询与所述待处理图像特征匹配的目标图像和/或目标视频,和/或
基于所述入库标签,判断是否将所述待处理图像加入所述检索库中,并在确定将所述待处理图像加入检索库中的情况下,将所述待处理图像和/或提取到所述待处理图像的视频加入所述检索库中。
5.根据权利要求1所述的方法,其特征在于,所述图像处理模型是通过以下方式训练得到的:
将已标注检索标签和入库标签的样本图像集输入待训练的图像处理模型;
重复执行基于所述图像处理模型输出的检索标签和入库标签,以及样本图像的实际检索标签和实际入库标签,以及预设的损失函数,调整所述图像处理模型的所述检索分支和/或所述入库分支的参数的步骤,直至满足训练停止条件;
其中,所述预设的损失函数包括用于生成所述检索标签的损失值的第一损失函数,和用于生成所述入库标签的损失值的第二损失函数。
6.根据权利要求5所述的方法,其特征在于,所述检索标签包括表征物体为可检索的类别的第一类标签,所述入库标签包括表征图片为不可入库图片的第二类标签,
所述预设的损失函数还包括:
用于在所述检索分支输出的标签为所述第一类标签,且所述入库分支针对同一图片输出的标签为所述第二类标签时产生损失值的第三损失函数。
7.根据权利要求6所述的方法,其特征在于,所述基于所述图像处理模型输出的检索标签和入库标签,以及样本图像的实际检索标签和实际入库标签,以及预设的损失函数,调整所述图像处理模型的所述检索分支和/或所述入库分支的参数,包括:
通过第一损失函数,基于所述图像处理模型输出的检索标签和实际检索标签生成第一损失值;
通过第二损失函数,基于所述图像处理模型输出的入库标签和实际入库标签生成第二损失值;
通过第三损失函数,基于所述图像处理模型输出的检索标签和入库标签生成第三损失值;
基于所述第一损失值、第二损失值和第三损失值,生成最终损失值,并基于所述最终损失值调整所述图像处理模型的所述检索分支和/或所述入库分支的参数。
9.根据权利要求1-8中任一项所述的图像处理方法,其特征在于,所述将待处理图像输入图像处理模型,包括:
将待处理图像输入主意图判别模型,并获取所述主意图判别模型输出的表征所述待处理图像中的主意图对象的子图像,并将所述子图像输入所述图像处理模型。
10.根据权利要求9所述的方法,其特征在于,所述意图判别模型包括主意图判别分支和位置处理分支,
其中,所述位置处理分支用于从图像中提取空间位置掩码,所述主意图判别分支用于从图像中提取图像特征信息,并将所述空间位置掩码作为所述图像特征信息的权重特征,添加至所述图像特征信息中,并基于加权处理后的所述图像特征信息,输出至少包括所述主意图对象的子图像。
11.一种图像处理装置,其特征在于,所述装置包括:
输入模块,用于将待处理图像输入图像处理模型;
获取模块,用于获取图像处理模型输出的检索标签和入库标签,其中,所述检索标签用于表征待处理图像中物体的类别,所述入库标签用于表征是否将所述待处理图像加入检索库中;
其中,所述图像处理模型包括用于输出检索标签的检索分支,和用于输出入库标签的入库分支,所述检索分支,用于从所述待处理图像中提取第一检索特征,并基于所述第一检索特征和第二检索特征输出所述检索标签;所述入库分支,用于从所述待处理图像中提取第一入库特征,并基于所述第一入库特征和第二入库特征输出所述入库标签;
其中,所述第二检索特征是由所述第一入库特征转换得到的,所述第二入库特征是由所述第一检索特征转换得到的。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现权利要求1-10中任一项所述方法的步骤。
13.一种电子设备,其特征在于,包括:
存储装置,其上存储有计算机程序;
处理装置,用于执行所述存储装置中的所述计算机程序,以实现权利要求1-10中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010664687.4A CN111797266B (zh) | 2020-07-10 | 2020-07-10 | 图像处理方法和装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010664687.4A CN111797266B (zh) | 2020-07-10 | 2020-07-10 | 图像处理方法和装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111797266A true CN111797266A (zh) | 2020-10-20 |
CN111797266B CN111797266B (zh) | 2022-02-08 |
Family
ID=72807044
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010664687.4A Active CN111797266B (zh) | 2020-07-10 | 2020-07-10 | 图像处理方法和装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111797266B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113378855A (zh) * | 2021-06-22 | 2021-09-10 | 北京百度网讯科技有限公司 | 用于处理多任务的方法、相关装置及计算机程序产品 |
CN113378984A (zh) * | 2021-07-05 | 2021-09-10 | 国药(武汉)医学实验室有限公司 | 一种医学图像分类方法、系统、终端以及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019025601A1 (en) * | 2017-08-03 | 2019-02-07 | Koninklijke Philips N.V. | HIERARCHICAL NEURAL NETWORKS WITH ATTENTION GRANULARIZED |
CN110827129A (zh) * | 2019-11-27 | 2020-02-21 | 中国联合网络通信集团有限公司 | 一种商品推荐方法及装置 |
CN110969577A (zh) * | 2019-11-29 | 2020-04-07 | 北京交通大学 | 一种基于深度双重注意力网络的视频超分辨率重建方法 |
CN111340131A (zh) * | 2020-03-09 | 2020-06-26 | 北京字节跳动网络技术有限公司 | 图像的标注方法、装置、可读介质和电子设备 |
-
2020
- 2020-07-10 CN CN202010664687.4A patent/CN111797266B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019025601A1 (en) * | 2017-08-03 | 2019-02-07 | Koninklijke Philips N.V. | HIERARCHICAL NEURAL NETWORKS WITH ATTENTION GRANULARIZED |
CN110827129A (zh) * | 2019-11-27 | 2020-02-21 | 中国联合网络通信集团有限公司 | 一种商品推荐方法及装置 |
CN110969577A (zh) * | 2019-11-29 | 2020-04-07 | 北京交通大学 | 一种基于深度双重注意力网络的视频超分辨率重建方法 |
CN111340131A (zh) * | 2020-03-09 | 2020-06-26 | 北京字节跳动网络技术有限公司 | 图像的标注方法、装置、可读介质和电子设备 |
Non-Patent Citations (1)
Title |
---|
ROCKY X: "https://zhuanlan.zhihu.com/p/138858863", 《CVPR2020 | SEAM:弱监督语义分割的自监督等变注意力机制》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113378855A (zh) * | 2021-06-22 | 2021-09-10 | 北京百度网讯科技有限公司 | 用于处理多任务的方法、相关装置及计算机程序产品 |
CN113378984A (zh) * | 2021-07-05 | 2021-09-10 | 国药(武汉)医学实验室有限公司 | 一种医学图像分类方法、系统、终端以及存储介质 |
CN113378984B (zh) * | 2021-07-05 | 2023-05-02 | 国药(武汉)医学实验室有限公司 | 一种医学图像分类方法、系统、终端以及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111797266B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106845470B (zh) | 地图数据采集方法和装置 | |
CN111340131A (zh) | 图像的标注方法、装置、可读介质和电子设备 | |
CN109961032B (zh) | 用于生成分类模型的方法和装置 | |
CN110826567B (zh) | 光学字符识别方法、装置、设备及存储介质 | |
CN112884005B (zh) | 一种基于sptag及卷积神经网的图像检索方法及装置 | |
CN112364829B (zh) | 一种人脸识别方法、装置、设备及存储介质 | |
CN113704531A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
CN112766284B (zh) | 图像识别方法和装置、存储介质和电子设备 | |
CN109934142B (zh) | 用于生成视频的特征向量的方法和装置 | |
CN113569740B (zh) | 视频识别模型训练方法与装置、视频识别方法与装置 | |
CN111797266B (zh) | 图像处理方法和装置、存储介质和电子设备 | |
CN113449070A (zh) | 多模态数据检索方法、装置、介质及电子设备 | |
CN111563398A (zh) | 用于确定目标物的信息的方法和装置 | |
CN115294501A (zh) | 视频识别方法、视频识别模型训练方法、介质及电子设备 | |
CN113610034B (zh) | 识别视频中人物实体的方法、装置、存储介质及电子设备 | |
CN109816023B (zh) | 用于生成图片标签模型的方法和装置 | |
CN112907628A (zh) | 视频目标追踪方法、装置、存储介质及电子设备 | |
CN112949430A (zh) | 视频处理方法和装置、存储介质和电子设备 | |
CN112446214A (zh) | 广告关键词的生成方法、装置、设备及存储介质 | |
CN111310595A (zh) | 用于生成信息的方法和装置 | |
CN110765304A (zh) | 图像处理方法、装置、电子设备及计算机可读介质 | |
CN111797790B (zh) | 图像处理方法和装置、存储介质和电子设备 | |
CN115424060A (zh) | 模型训练方法、图像分类方法和装置 | |
CN112015936B (zh) | 用于生成物品展示图的方法、装置、电子设备和介质 | |
CN111353536B (zh) | 图像的标注方法、装置、可读介质和电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |