[發明專利]一種圖像處理方法、裝置及存儲介質

在審

• 申請號: 201910147376.8
• 申請日: 2019-02-27
• 公開（公告）號: CN111626913A
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 楊小平
• 申請（專利權）人: 順豐科技有限公司
• 主分類號: G06T1/20
• 分類號: G06T1/20;G06N3/04;G06N3/08
• 代理公司: 深圳翼盛智成知識產權事務所(普通合伙) 44300
• 代理人: 黃威

本發明實施例公開了一種圖像處理方法、裝置及存儲介質，方法包括：圖像處理裝置首先獲取訓練圖像，其中，所述訓練圖像對應多個標簽；然后根據神經網絡模型確定所述訓練圖像中各個像素點所對應的損失值；再將所述損失值中大于閾值的損失值所對應的像素點確定為目標像素點；最后根據所述目標像素點獲取用于所述神經網絡模型反向傳播訓練的目標圖像。本發明實施例中的訓練圖像對應多個標簽，且只需要訓練圖像中損失值大于閾值的部分參與反向傳播，可以更加明顯地識別訓練圖像的邊界部分，從而提高該神經網絡模型的泛化能力以及準確度。

技術領域

本發明涉及數據識別領域，具體涉及一種圖像處理方法、裝置及存儲介質。

背景技術

泛化能力是指機器學習算法對新鮮樣本的適應能力。學習的目的是學到隱含在數據背后的規律，對具有同一規律的學習集以外的數據，經過訓練的網絡也能給出合適的輸出，該能力稱為泛化能力。

通常期望經訓練樣本訓練的網絡具有較強的泛化能力，也就是對新輸入給出合理響應的能力，如何提高網絡模型的泛化能力以及準確度一直是研究的熱點。

發明內容

本發明實施例提供一種圖像處理方法，裝置和存儲介質，可以提高模型的泛化能力以及準確度。

一方面，本發明提供一種圖像處理方法，所述方法包括：

獲取訓練圖像，所述訓練圖像對應多個標簽；

根據神經網絡模型確定所述訓練圖像中各個像素點所對應的損失值；

將所述損失值中大于閾值的損失值所對應的像素點確定為目標像素點；

根據所述目標像素點獲取用于所述神經網絡模型反向傳播訓練的目標圖像。

可選的，在一些實施例中，所述根據神經網絡模型確定所述訓練圖像中各個像素點所對應的損失值之前，所述方法還包括：

構建所述神經網絡模型；

對所述神經網絡模型的損失層進行大邊界處理。

可選的，在一些實施例中，所述獲取訓練圖像之后，所述方法還包括：

對所述訓練圖像進行數據增廣處理，得到增廣后的訓練圖像。

可選的，在一些實施例中，所述對所述訓練圖像進行數據增廣處理，得到增廣后的訓練圖像，包括：

根據所述神經網絡模型分別確定所述增廣后的訓練圖像中各個像素點所對應的損失值。

可選的，在一些實施例中，所述對所述訓練圖像進行數據增廣處理，包括：

對所述訓練圖像進行旋轉處理、剪切處理、鏡像處理、像素偏移處理、模糊處理、放射變換處理、增加噪聲處理、圖像銳化處理和縮放處理中的一種或多種處理。

可選的，在一些實施例中，所述訓練圖像包括光流圖和灰度圖。

可選的，在一些實施例中，所述對所述訓練圖像進行數據增廣處理之前，所述方法還包括：

對所述訓練圖像中的光流圖和灰度圖進行通道分離處理。

相應的，本發明實施例還提供一種圖像處理裝置，包括：

第一獲取單元，用于獲取訓練圖像，所述訓練圖像對應多個標簽；

第一確定單元，用于根據神經網絡模型確定所述訓練圖像中各個像素點所對應的損失值；

第二確定單元，用于將所述損失值中大于閾值的損失值所對應的像素點確定為目標像素點；

第三確定單元，用于根據所述目標像素點確定用于所述神經網絡模型反向傳播訓練的目標圖像。