[發明專利]一種圖像處理裝置、方法、介質及系統

在審

• 申請號: 201911136231.4
• 申請日: 2019-11-19
• 公開（公告）號: CN112906724A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 張大曲;馬杰延
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06F16/55
• 代理公司: 上海音科專利商標代理有限公司 31267
• 代理人: 夏峰

本申請提供了一種圖像處理裝置，該裝置包括特征提取模型建立模塊，用于利用第一組圖像獲取特征提取模型；特征提取模塊，用于利用特征提取模型提取第二組圖像的特征；相似性計算模塊，用于獲取第一組圖像的特征與第二組圖像的特征之間的相似性；和樣本圖像選擇模塊，用于從第二組圖像中選擇第三組圖像，其中第三組圖像的特征與第一組圖像的特征之間的相似性在第一預定范圍內；其中，特征提取模型建立模塊還用于根據第三組圖像訓練特征提取模型。本申請可以提升圖像收集效率、降低圖像收集成本、提高圖像收集的準確度。本申請的圖像處理裝置可以用于人工智能終端。本申請還提供一種圖像處理方法、介質及系統。

技術領域

本申請的一個或多個實施例通常涉及人工智能領域，具體涉及一種基于人工智能的圖像處理裝置、方法、介質及系統。

背景技術

近年來，深度學習技術在計算機視覺領域，尤其是圖像分類領域，受到廣泛應用，經過訓練的圖像分類模型可以為輸入圖像分配預定義的標簽，其中，比較有代表性的圖像分類模型是基于ImageNet數據集訓練的ImageNet分類模型，其可以進行1000個類別的圖像分類。

用于訓練分類模型的樣本圖像通常為經過人工標注的圖像，其中，屬于目標類別的圖像稱為正樣本圖像，不屬于目標類別的圖像稱為負樣本圖像。然而，現有技術中，對于樣本圖像的收集，絕大部分依賴于人工標注，人力成本和時間成本都較高。

發明內容

本申請的實施例提供了一種圖像處理裝置、方法、介質及系統。以下從多個方面介紹本申請，以下多個方面的實施方式和有益效果可互相參考。

第一方面，本申請實施例提供了一種圖像處理裝置，該裝置可以包括特征提取模型建立模塊，可以用于利用第一組圖像獲取特征提取模型；特征提取模塊，可以用于利用特征提取模型提取第二組圖像的特征；相似性計算模塊，可以用于獲取第一組圖像的特征與第二組圖像的特征之間的相似性；和樣本圖像選擇模塊，可以用于從第二組圖像中選擇第三組圖像，其中第三組圖像的特征與第一組圖像的特征之間的相似性在第一預定范圍內；其中，特征提取模型建立模塊還可以用于根據第三組圖像訓練特征提取模型。

根據本申請的實施例，使用收集的第三組圖像，例如樣本圖像，再訓練特征提取模型，可以進一步地提高特征提取模型的魯棒性和準確度，也可以進一步地提高選擇出的第三組圖像的準確度，進而提高樣本收集的效率。

在一些實施例中，第一組圖像可以包含在第二組圖像中。例如，樣本種子圖像可以來源于未標注圖像。

在一些實施例中，由于根據圖像的特征之間的相似性來收集第三組圖像，第三組圖像的特征的數量可以大于第一組圖像的特征的數量。

根據本申請的實施例，第三組圖像可以從圖像數量和特征數量兩個維度對第一組圖像進行擴充，因此，使用這樣的第三組圖像再訓練特征提取模型，可以顯著地提高特征提取模型的魯棒性和準確度。

在一些實施例中，特征提取模塊還可以用于利用特征提取模型提取第一組圖像的特征，例如，在第一組圖像不來源于第二組圖像的情況下。

在一些實施例中，相似性計算模塊還用于獲取第一組圖像的特征與第二組圖像的特征之間的相似性，可以包括：對于特征提取模型的每一層，計算第一組圖像的特征的特征向量和第二組圖像的特征的特征向量之間的相似性。

在一些實施例中，相似性計算模塊計算第一組圖像的特征的特征向量和第二組圖像的特征的特征向量之間的相似性，可以包括：通過余弦距離和/或EMD距離(Earth Mover's Distance，搬土距離)來計算第一組圖像的特征的特征向量和第二組圖像的特征的特征向量之間的相似性。

在一些實施例中，第一預定范圍可以是[0.9，1]，此時，第一組圖像可以包含在第二組圖像中。

在一些實施例中，第一組圖像和第三組圖像包括負樣本圖像，負樣本圖像是不屬于目標類別的圖像。