[發明專利]基于人工智能的圖像處理方法、裝置、設備及存儲介質

在審

• 申請號: 202011574403.9
• 申請日: 2020-12-25
• 公開（公告）號: CN113516148A
• 公開（公告）日: 2021-10-19
• 發明（設計）人: 楊天舒
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;杜維

1.一種基于人工智能的圖像處理方法，其特征在于，包括：

獲取待分類圖像；

基于多個卷積神經網絡對所述待分類圖像進行特征提取，得到多個特征圖；

對所述多個特征圖中的每個所述特征圖分別進行池化處理，得到多個特征向量，所述多個特征向量中每個特征向量的維度由每個所述特征向量對應的卷積神經網絡的通道數確定；

對所述多個特征向量進行融合處理，得到融合后的特征向量，所述融合后的特征向量的維度由所述多個特征圖的通道數之和確定；

根據所述融合后的特征向量對所述待分類圖像進行分類處理，得到對所述待分類圖像的分類結果。

2.根據權利要求1所述的方法，其特征在于，所述多個卷積神經網絡中各卷積神經網絡依次連接，所述多個卷積神經網絡的數量為N個，其中，N為大于1的正整數；所述基于多個卷積神經網絡對所述待分類圖像進行特征提取，得到多個特征圖，包括：

基于第一個卷積神經網絡，對所述待分類圖像進行特征提取，得到第一個特征圖，并將所述第一個特征圖作為第二個卷積神經網絡的輸入；

…

基于第N個卷積神經網絡，對第N-1個卷積神經網絡輸出的第N-1個特征圖進行特征提取，得到第N個特征圖，所述多個特征圖包括所述N個卷積神經網絡輸出的N個特征圖。

3.根據權利要求1所述的方法，其特征在于，所述多個卷積神經網絡中各卷積神經網絡依次連接，所述多個卷積神經網絡為N個，其中，N為正整數，N為大于1的正整數；所述基于多個卷積神經網絡對所述待分類圖像進行特征提取，得到多個特征圖，包括：

基于第一個卷積神經網絡，對所述待分類圖像進行特征提取，得到第一個特征圖；

對所述第一個特征圖進行降采樣處理，得到降采樣處理后的第一個特征圖，并將所述降采樣處理后的第一個特征圖作為所述第二個卷積神經網絡的輸入；

…

基于第N個卷積神經網絡，對降采樣處理后的第N-1個特征圖進行特征提取，得到第N個特征圖；

對所述第N個特征圖進行降采樣處理，得到降采樣處理后的第N個特征圖；

獲取降采樣處理后的N個特征圖作為所述多個特征圖。

4.根據權利要求1-3任一項所述的方法，其特征在于，所述多個卷積神經網絡中各卷積神經網絡的通道數不完全相同。

5.根據權利要求1-3任一項所述的方法，其特征在于，所述卷積神經網絡為壓縮和激勵單元下的卷積神經網絡，所述壓縮和激勵單元用于基于所述卷積神經網絡對輸入特征進行特征提取，所述輸入特征包括所述多個特征圖中的各特征圖和所述待分類圖像中的至少一個。

6.根據權利要求1-3任一項所述的方法，其特征在于，所述方法還包括：

根據多個第一樣本圖像中每個樣本圖像的尺寸，對所述多個第一樣本圖像進行聚類，得到多類第一樣本圖像；

將所述多類第一樣本圖像中每類第一樣本圖像的尺寸調整為該類第一樣本圖像的類中心的尺寸，得到每類第一樣本圖像對應的訓練集；

利用每類第一樣本圖像對應的訓練集對初始的網絡模型進行訓練，得到分類模型；

所述根據所述融合后的特征向量對所述待分類圖像進行分類處理，得到對所述待分類圖像的分類結果，包括：

利用所述分類模型根據所述融合后的特征向量對所述待分類圖像進行分類處理，得到對所述待分類圖像的分類結果。

7.根據權利要求1-3任一項所述的方法，其特征在于，所述方法還包括；

在所述待分類圖像為包括目標編輯對象的圖像時，利用檢測模型對所述待分類圖像進行異常檢測，得到檢測結果；

其中，所述檢測結果為指示所述目標編輯對象是否異常的檢測結果；所述檢測模型是利用多個第二樣本圖像對初始的目標檢測模型訓練得到的，所述檢測結果用于判斷所述分類結果的正確性。