[發明專利]圖像處理方法、電子設備及存儲介質

在審

• 申請號: 202110767141.6
• 申請日: 2021-07-07
• 公開（公告）號: CN115661502A
• 公開（公告）日: 2023-01-31
• 發明（設計）人: 張連文;謝偉雁;林志;董冠方;李小慧
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京格羅巴爾知識產權代理事務所(普通合伙) 11406
• 代理人: 孫德崇

1.一種圖像處理方法，其特征在于，所述方法包括：

獲取數據集和模型池，所述數據集包括多個樣本圖像，所述模型池包括預先訓練完成的多個第一圖像分類模型；

將所述數據集分別輸入至所述模型池的每個第一圖像分類模型中，得到所述多個第一圖像分類模型各自對應的預測分布結果，所述預測分布結果用于指示每個所述樣本圖像在所述數據集對應的多個圖像標簽上的概率分布；

根據所述多個預測分布結果，確定所述數據集中至少一個所述樣本圖像對應的樣本分類難度，所述樣本分類難度用于指示所述樣本圖像被模型分類的難易程度。

2.根據權利要求1所述方法，其特征在于，所述根據所述多個預測分布結果，確定所述數據集中至少一個所述樣本圖像對應的樣本分類難度，包括：

對于至少一個所述樣本圖像中的每個所述樣本圖像，根據所述多個預測分布結果和所述模型池中的所述第一圖像分類模型的個數，確定所述樣本圖像的混淆困惑度，所述混淆困惑度用于指示所述樣本圖像對應的樣本分類難度。

3.根據權利要求2所述方法，其特征在于，所述樣本圖像的混淆困惑度與各個所述第一圖像分類模型對應的所述樣本圖像的預測分布結果的熵正相關，且與所述第一圖像分類模型的個數負相關，所述第一圖像分類模型對應的預測分布結果的熵是根據所述第一圖像分類模型輸出的所述樣本圖像在各個所述圖像標簽上的概率確定的。

4.根據權利要求1至3任一所述方法，其特征在于，所述方法還包括：

根據所述多個預測分布結果，確定所述多個圖像標簽中任意兩個所述圖像標簽間的標簽區分難度，所述標簽區分難度用于指示任意兩個所述圖像標簽被模型區分的難易程度。

5.根據權利要求4至所述方法，其特征在于，所述根據所述多個預測分布結果，確定所述多個圖像標簽中任意兩個所述圖像標簽間的標簽區分難度，包括：

對于所述多個圖像標簽中任意兩個所述圖像標簽，根據所述多個預測分布結果和所述模型池中的所述第一圖像分類模型的個數，確定任意兩個所述圖像標簽間的標簽混淆指數，所述標簽混淆指數用于指示所述任意兩個圖像標簽間的標簽區分難度。

6.根據權利要求5所述方法，其特征在于，任意兩個所述圖像標簽間的標簽混淆指數是根據所述數據集在兩個所述圖像標簽上的概率分布的相似度確定的。

7.根據權利要求1至6任一所述方法，其特征在于，所述獲取數據集和模型池之前，還包括：

根據訓練集對原始的第二圖像分類模型進行訓練得到所述第一圖像分類模型，所述訓練集包括多個訓練圖像；

其中，所述模型池中存在至少兩個所述第一圖像分類模型各自對應的模型訓練參數是不同的，所述模型訓練參數包括所述訓練集、所述第二圖像分類模型的類型和模型訓練時長中的至少一個。

8.根據權利要求1至6任一所述方法，其特征在于，所述方法還包括：

根據所述數據集中的所述多個樣本圖像各自對應的樣本分類難度和預設的樣本分類難度閾值，對所述數據集進行篩選；

對于篩選后的數據集中的每個所述樣本圖像，根據所述模型池最大比例輸出的目標圖像標簽，對所述樣本圖像的圖像標簽進行修正。

9.根據權利要求4至6任一所述方法，其特征在于，所述方法還包括：

根據所述數據集中任意兩個所述圖像標簽間的標簽區分難度構建第三圖像分類模型，所述第三圖像分類模型為多級分類模型；

根據訓練集對所述第三圖像分類模型進行訓練得到第四圖像分類模型；

在獲取到待分類的目標圖像的情況下，調用所述第四圖像分類模型對所述目標圖像進行分類處理，得到所述目標圖像的分類結果。

10.一種電子設備，其特征在于，所述電子設備包括：

處理器；

用于存儲處理器可執行指令的存儲器；

其中，所述處理器被配置為執行所述指令時實現權利要求1-9任意一項所述的方法。

11.一種非易失性計算機可讀存儲介質，其上存儲有計算機程序指令，其特征在于，所述計算機程序指令被處理器執行時實現權利要求1-9中任意一項所述的方法。