[发明专利]图像处理方法和装置

说明书

本申请实施例公开了图像处理方法和装置。该方法的一具体实施方式包括：若目标训练样本的训练数据不完整，则将所述目标训练样本的训练数据输入第一神经网络，得到所述目标训练样本缺少的训练数据；将所得到的缺少的训练数据输入第二神经网络，得到所述目标训练样本的训练数据的预测数据；基于所述目标训练样本的训练数据，以及所述预测数据，确定所述目标训练样本的训练数据的损失值，利用所述损失值，训练所述第一神经网络和所述第二神经网络中的至少一个。本申请实施例提供的方法能够实现在样本的训练数据不完整的情况下，训练神经网络。进而，充分地利用训练数据不完整的样本，让神经网络利用丰富的样本得到更加全面的训练。

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及图像处理方法和装置。

背景技术

在对图片进行场景分类、场景分割、目标识别以及行为识别等计算机视觉任务时，可以采用神经网络进行。

神经网络通常可以采用样本进行训练，且要求样本的数量庞大、种类覆盖全面。这样，才能够训练得到准确的神经网络。

发明内容

本申请实施例提出了图像处理方法和装置。

第一方面，本申请实施例提供了一种图像处理方法，包括：若目标训练样本的训练数据不完整，则将目标训练样本的训练数据输入第一神经网络，得到目标训练样本缺少的训练数据，其中，完整的训练数据包括图像以及图像对应的标注信息，第一神经网络为图像处理网络或图像重建网络；将所得到的缺少的训练数据输入第二神经网络，得到目标训练样本的训练数据的预测数据，其中，第二神经网络为图像处理网络和图像重建网络中的另一个；基于目标训练样本的训练数据，以及预测数据，确定目标训练样本的训练数据的损失值，利用损失值，训练第一神经网络和第二神经网络中的至少一个。

在一些实施例中，第一神经网络为图像处理网络，第二神经网络为图像重建网络；若目标训练样本的训练数据不完整，则将目标训练样本的训练数据输入第一神经网络，得到目标训练样本缺少的训练数据，包括：若目标训练样本的训练数据为图像，将目标训练样本的图像输入图像处理网络，得到目标训练样本的图像对应的标注信息。

在一些实施例中，将所得到的缺少的训练数据输入第二神经网络，得到目标训练样本的训练数据的预测数据，包括：将所得到的标注信息输入图像重建网络，得到图像重建网络预测的、所得到的标注信息所标注的图像。

在一些实施例中，第一神经网络为图像重建网络，第二神经网络为图像处理网络；若目标训练样本的训练数据不完整，则将目标训练样本的训练数据输入第一神经网络，得到目标训练样本缺少的训练数据，包括：若目标训练样本的训练数据为标注信息，将目标训练样本的标注信息输入图像重建网络，得到标注信息所标注的图像。

在一些实施例中，将所得到的缺少的训练数据输入第二神经网络，得到目标训练样本的训练数据的预测数据，包括：将所标注的图像输入图像处理网络，得到图像处理网络预测的所标注的图像对应的标注信息。

第二方面，本申请实施例提供了一种图像处理装置，包括：第一输入单元，被配置成若目标训练样本的训练数据不完整，则将目标训练样本的训练数据输入第一神经网络，得到目标训练样本缺少的训练数据，其中，完整的训练数据包括图像以及图像对应的标注信息，第一神经网络为图像处理网络或图像重建网络；第二输入单元，被配置成将所得到的缺少的训练数据输入第二神经网络，得到目标训练样本的训练数据的预测数据，其中，第二神经网络为图像处理网络和图像重建网络中的另一个；训练单元，被配置成基于目标训练样本的训练数据，以及预测数据，确定目标训练样本的训练数据的损失值，利用损失值，训练第一神经网络和第二神经网络中的至少一个。

在一些实施例中，第一神经网络为图像处理网络，第二神经网络为图像重建网络；第一输入单元，进一步被配置成：若目标训练样本的训练数据为图像，将目标训练样本的图像输入图像处理网络，得到目标训练样本的图像对应的标注信息。