[發明專利]圖像處理方法、裝置、存儲介質以及計算機終端

在審

• 申請號: 202111350370.4
• 申請日: 2021-11-15
• 公開（公告）號: CN114266723A
• 公開（公告）日: 2022-04-01
• 發明（設計）人: 張慧明
• 申請（專利權）人: 阿里巴巴（中國）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10
• 代理公司: 北京博浩百睿知識產權代理有限責任公司 11134
• 代理人: 謝湘寧;李靜茹

1.一種圖像處理方法，其特征在于，包括：

獲取目標圖像，其中，目標圖像包含目標對象；

利用目標檢測模型對所述目標圖像進行檢測，得到所述目標對象的檢測結果，其中，所述目標檢測模型通過第一訓練樣本對預訓練模型進行訓練得到，所述預訓練模型通過所述第一訓練樣本訓練得到，所述第一訓練樣本通過對初始訓練樣本進行數據增強處理得到。

2.根據權利要求1所述的方法，其特征在于，所述第一訓練樣本包括：訓練圖像和所述訓練圖像的第一標注結果，所述方法還包括：

基于所述第一標注結果對所述訓練圖像進行分割，得到所述第一訓練樣本包含的至少一個對象的圖像；

利用所述至少一個對象的圖像通過對比學習訓練得到所述預訓練模型。

3.根據權利要求2所述的方法，其特征在于，利用所述至少一個對象的圖像通過對比學習訓練得到所述預訓練模型包括：

基于所述至少一個對象的圖像，構建第二訓練樣本，其中，所述第二訓練樣本包括：兩張圖像和第二標注結果，所述第二標注結果用于表征所述兩張圖像是否來自同一個訓練圖像；

利用所述預訓練模型對所述兩張圖像進行處理，得到所述兩張圖像的識別結果，其中，所述識別結果用于表征所述第二訓練樣本對包含的兩個圖像是否來自同一個訓練圖像；

基于所述識別結果和所述第二標注結果，生成所述預訓練模型的第一損失函數；

基于所述第一損失函數確定是否調整所述預訓練模型的模型參數。

4.根據權利要求2所述的方法，其特征在于，所述方法還包括：

基于所述預訓練模型對初始模型進行初始化；

利用所述第一訓練樣本對初始化后的初始模型進行訓練，得到所述目標檢測模型。

5.根據權利要求4所述的方法，其特征在于，在利用所述第一訓練樣本對初始化后的初始模型進行訓練，得到所述目標檢測模型之后，所述方法還包括：

利用所述目標檢測模型對所述訓練圖像進行檢測，得到所述訓練圖像的檢測結果；

基于所述訓練圖像的檢測結果和所述訓練圖像的第一標注結果，確定所述訓練圖像的第三標注結果；

基于所述訓練圖像和所述訓練圖像的第三標注結果構建第三訓練樣本；

利用所述第三訓練樣本對所述目標檢測模型進行重新訓練。

6.根據權利要求5所述的方法，其特征在于，基于所述訓練圖像的檢測結果和所述訓練圖像的第一標注結果，確定所述訓練圖像的第三標注結果包括：

將所述檢測結果和所述第一標注結果進行匹配；

如果所述檢測結果和所述第一標注結果匹配成功，則確定所述第三標注結果為所述第一標注結果；

如果所述檢測結果和所述第一標注結果匹配失敗，則確定所述第三標注結果為所述檢測結果。

7.一種圖像處理方法，其特征在于，包括：

云服務器接收客戶端上傳的目標圖像，其中，目標圖像包含目標對象；

所述云服務器利用目標檢測模型對所述目標圖像進行檢測，得到所述目標對象的檢測結果，其中，所述目標檢測模型通過第一訓練樣本對預訓練模型進行訓練得到，所述預訓練模型通過所述第一訓練樣本訓練得到，所述第一訓練樣本通過對初始訓練樣本進行數據增強處理得到；

所述云服務器輸出所述檢測結果至所述客戶端。

8.一種圖像處理方法，其特征在于，包括：

云服務器接收客戶端上傳的模型訓練請求，其中，所述模型訓練請求包括：初始訓練樣本；

所述云服務器對所述初始訓練樣本進行數據增強處理，得到第一訓練樣本；

所述云服務器通過所述第一訓練樣本訓練得到預訓練模型；

所述云服務器通過所述第一訓練樣本對所述預訓練模型進行訓練，得到目標檢測模型；

所述云服務器輸出所述目標檢測模型至所述客戶端。