[發(fā)明專利]基于人工智能的圖像處理模型訓(xùn)練方法及圖像處理方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110646164.1
• 申請(qǐng)日: 2021-06-10
• 公開（公告）號(hào): CN113821657A
• 公開（公告）日: 2021-12-21
• 發(fā)明（設(shè)計(jì)）人: 郭卉
• 申請(qǐng)（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號(hào): G06F16/51
• 分類號(hào): G06F16/51;G06F16/55;G06F16/583;G06K9/46;G06K9/62;G06N3/08
• 代理公司: 北京派特恩知識(shí)產(chǎn)權(quán)代理有限公司 11270
• 代理人: 劉星雨;張穎玲

1.一種基于人工智能的圖像處理模型訓(xùn)練方法，其特征在于，所述方法包括：

對(duì)多個(gè)訓(xùn)練視頻分別對(duì)應(yīng)的分鏡片段進(jìn)行聚類處理，得到多個(gè)聚類簇；其中，所述分鏡片段包括多個(gè)相似的訓(xùn)練圖像；

對(duì)所述聚類簇中的多個(gè)分鏡片段進(jìn)行去重處理，以更新所述聚類簇；

對(duì)更新后的所述多個(gè)聚類簇中屬于同一分鏡片段的多個(gè)相似的訓(xùn)練圖像、以及分別屬于不同分鏡片段的多個(gè)不相似的訓(xùn)練圖像進(jìn)行采樣處理，得到訓(xùn)練圖像組；

根據(jù)所述訓(xùn)練圖像組中的多個(gè)訓(xùn)練圖像、以及所述多個(gè)訓(xùn)練圖像之間的相似關(guān)系，對(duì)圖像處理模型進(jìn)行訓(xùn)練；其中，訓(xùn)練后的所述圖像處理模型用于對(duì)圖像進(jìn)行特征提取處理。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)多個(gè)訓(xùn)練視頻分別對(duì)應(yīng)的分鏡片段進(jìn)行聚類處理，得到多個(gè)聚類簇，包括：

根據(jù)所述分鏡片段的片段特征，確定不同所述分鏡片段之間的距離；

根據(jù)所述距離對(duì)所述多個(gè)訓(xùn)練視頻分別對(duì)應(yīng)的分鏡片段進(jìn)行聚類中心選取處理，得到多個(gè)聚類中心；

針對(duì)區(qū)別于所述多個(gè)聚類中心的任意一個(gè)分鏡片段，將所述任意一個(gè)分鏡片段添加至相距的距離最小的聚類中心對(duì)應(yīng)的聚類簇中；

所述對(duì)所述聚類簇中的多個(gè)分鏡片段進(jìn)行去重處理，以更新所述聚類簇，包括：

當(dāng)所述聚類簇中的任意兩個(gè)分鏡片段之間的距離滿足去重距離條件時(shí)，丟棄所述任意兩個(gè)分鏡片段的其中之一，得到更新后的所述聚類簇。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述分鏡片段的片段特征，確定不同所述分鏡片段之間的距離之前，所述方法還包括：

將所述分鏡片段中的任意一個(gè)訓(xùn)練圖像的標(biāo)注圖像特征，作為所述分鏡片段的片段特征；

其中，所述任意一個(gè)訓(xùn)練圖像的標(biāo)注圖像特征包括以下任意一種：針對(duì)所述任意一個(gè)訓(xùn)練圖像設(shè)置的圖像特征；通過圖像分類模型對(duì)所述任意一個(gè)訓(xùn)練圖像進(jìn)行特征提取處理得到的圖像特征；方向梯度直方圖HOG特征；尺度不變特征變換SIFT特征。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對(duì)多個(gè)訓(xùn)練視頻分別對(duì)應(yīng)的分鏡片段進(jìn)行聚類處理，包括：

對(duì)所述多個(gè)訓(xùn)練視頻進(jìn)行劃分處理，得到多個(gè)訓(xùn)練視頻集合；

對(duì)初始訓(xùn)練視頻集合中的多個(gè)訓(xùn)練視頻分別對(duì)應(yīng)的分鏡片段進(jìn)行聚類處理；其中，所述初始訓(xùn)練視頻集合是所述多個(gè)訓(xùn)練視頻集合中的任意一個(gè)；

所述對(duì)更新后的所述多個(gè)聚類簇中屬于同一分鏡片段的多個(gè)相似的訓(xùn)練圖像、以及分別屬于不同分鏡片段的多個(gè)不相似的訓(xùn)練圖像進(jìn)行采樣處理之前，所述方法還包括：

根據(jù)區(qū)別于所述初始訓(xùn)練視頻集合的訓(xùn)練視頻集合，對(duì)更新后的所述多個(gè)聚類簇進(jìn)行合并更新處理。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)區(qū)別于所述初始訓(xùn)練視頻集合的訓(xùn)練視頻集合，對(duì)更新后的所述多個(gè)聚類簇進(jìn)行合并更新處理，包括：

對(duì)更新后的所述聚類簇中多個(gè)分鏡片段分別對(duì)應(yīng)的片段特征進(jìn)行融合處理，得到融合片段特征；

針對(duì)區(qū)別于所述初始訓(xùn)練視頻集合的訓(xùn)練視頻集合中的任意一個(gè)分鏡片段，執(zhí)行以下處理：

根據(jù)所述融合片段特征以及所述任意一個(gè)分鏡片段的片段特征，確定所述任意一個(gè)分鏡片段與更新后的所述多個(gè)聚類簇之間的距離，并將距離最小的更新后的所述聚類簇作為目標(biāo)聚類簇；

當(dāng)所述任意一個(gè)分鏡片段與所述目標(biāo)聚類簇中的多個(gè)分鏡片段之間的距離均滿足合并距離條件時(shí)，將所述任意一個(gè)分鏡片段添加至所述目標(biāo)聚類簇中，以更新所述目標(biāo)聚類簇。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述訓(xùn)練圖像組中的多個(gè)訓(xùn)練圖像、以及所述多個(gè)訓(xùn)練圖像之間的相似關(guān)系，對(duì)圖像處理模型進(jìn)行訓(xùn)練，包括：

通過所述圖像處理模型對(duì)所述訓(xùn)練圖像組中的訓(xùn)練圖像進(jìn)行特征提取處理，得到待對(duì)比的圖像特征；

根據(jù)所述訓(xùn)練圖像組中的多個(gè)訓(xùn)練圖像分別對(duì)應(yīng)的待對(duì)比的圖像特征、以及所述多個(gè)訓(xùn)練圖像之間的相似關(guān)系進(jìn)行損失計(jì)算處理，得到所述訓(xùn)練圖像組的損失值；

根據(jù)所述訓(xùn)練圖像組的損失值訓(xùn)練所述圖像處理模型。