[發明專利]基于人工智能的圖像增廣處理方法、裝置、設備及存儲介質

在審

• 申請號: 202011074076.0
• 申請日: 2020-10-09
• 公開（公告）號: CN112132106A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 沈偉;康斌
• 申請（專利權）人: 騰訊科技（北京）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06F16/583
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 王花麗;張穎玲

1.一種基于人工智能的圖像增廣處理方法，其特征在于，包括：

對目標圖像進行編碼處理，得到所述目標圖像的圖像特征；

基于所述目標圖像的第一標記類型查詢特征庫，得到所述第一標記類型所服從的正態分布的第一特征參數；

基于所述第一特征參數對所述圖像特征進行噪聲調制處理，得到第一對抗噪聲特征；

對所述第一對抗噪聲特征進行解碼處理，得到第一對抗噪聲圖像；

將所述目標圖像和所述第一對抗噪聲圖像進行疊加得到噪聲擾動圖像，以作為所述目標圖像的增廣圖像。

2.根據權利要求1所述的方法，其特征在于，

所述特征庫中存儲有不同標記類型與不同特征參數之間的映射關系；

所述基于所述目標圖像的第一標記類型查詢特征庫，得到所述第一標記類型所服從的正態分布的第一特征參數，包括：

基于所述目標圖像的第一標記類型查詢所述特征庫中存儲的所述映射關系，得到與所述第一標記標簽對應的正態分布的第一特征參數。

3.根據權利要求1所述的方法，其特征在于，

所述第一標記類型所服從的正態分布的特征參數包括第一均值向量和第一方差向量；

其中，所述第一均值向量用于表征所述第一標記類型的圖像特征的均值，所述第一方差向量用于表征所述第一標記類型的圖像特征的抖動程度；

所述基于所述第一特征參數對所述圖像特征進行噪聲調制處理，得到第一對抗噪聲特征，包括：

確定所述第一均值向量與所述目標圖像的圖像特征之間的第一差值；

將所述第一差值與所述第一方差向量之間的第一比值確定所述第一對抗噪聲特征。

4.根據權利要求1所述的方法，其特征在于，

所述編碼處理是通過編解碼模型中的第一編碼器實現的，所述噪聲調制處理是通過所述編解碼模型中的調制器實現的，所述解碼處理是通過所述編解碼模型中的解碼器實現的；

在對所述目標圖像進行編碼處理之前，還包括：

迭代執行以下訓練操作：

基于第一分類模型對所述圖像樣本的分類概率分布、以及對所述圖像樣本的噪聲擾動圖像的分類概率分布，聯合訓練所述編解碼器模型、所述第一分類模型和所述特征庫；

基于所述第一分類模型對所述圖像樣本的分類概率分布、以及對所述圖像樣本的噪聲擾動圖像的分類概率分布，訓練所述第一分類模型。

5.根據權利要求4所述的方法，其特征在于，所述基于第一分類模型對所述圖像樣本的分類概率分布、以及對所述圖像樣本的噪聲擾動圖像的分類概率分布，聯合訓練所述編解碼器模型、所述第一分類模型和所述特征庫，包括：

通過所述編解碼模型生成所述圖像樣本的噪聲擾動圖像；

通過所述第一分類模型生成所述圖像樣本的噪聲擾動圖像的分類概率分布、以及所述圖像樣本的分類概率分布；

基于所述噪聲擾動圖像的分類概率分布、以及所述圖像樣本的分類概率分布之間的差異構建第一損失函數，通過最大化所述第一損失函數的方式，更新所述編解碼器模型的模型參數、所述第一分類模型的模型參數和所述特征庫的特征參數。

6.根據權利要求5所述的方法，其特征在于，

所述圖像樣本的噪聲擾動圖像的分類概率分布包括所述圖像樣本的噪聲擾動圖像分別屬于原始圖像類型和噪聲圖像類型的概率；

所述圖像樣本的分類概率分布包括所述圖像樣本分別屬于原始圖像類型和噪聲圖像類型的概率；

所述通過最大化所述第一損失函數的方式，更新所述編解碼器模型的模型參數、所述第一分類模型的模型參數和所述特征庫的特征參數，包括：

確定最大化所述第一損失函數時所述編解碼模型的梯度值、所述第一分類模型的梯度值和所述特征庫的梯度值；

基于所述編解碼模型的梯度值更新所述編解碼模型的模型參數；

基于所述第一分類模型的梯度值更新所述第一分類模型的模型參數；

基于所述特征庫的梯度值更新所述特征庫中第二標記類型所服從的正態分布的特征參數；其中，所述第二標記類型是所述圖像樣本的預標記類型。