[发明专利]图像处理方法、装置、介质和计算设备有效

专利信息
申请号: 201910374294.7 申请日: 2019-05-06
公开(公告)号: CN110163205B 公开(公告)日: 2021-05-28
发明(设计)人: 王标;林辉;段亦涛 申请(专利权)人: 网易有道信息技术(北京)有限公司
主分类号: G06K9/32 分类号: G06K9/32;G06K9/34;G06K9/46;G06K9/62;G06N3/04
代理公司: 中科专利商标代理有限责任公司 11021 代理人: 杨静
地址: 100084 北京市海淀区西北*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 处理 方法 装置 介质 计算 设备
【权利要求书】:

1.一种图像处理方法,包括:

提取待处理图像的图像特征,得到第一特征值矩阵;

采用分类预测模型对所述第一特征值矩阵进行处理,确定所述待处理图像相对于多个预定角度类别中每个预定角度类别的预测置信度并生成预测置信度集,其中预定角度类别指示了偏移角度所在的角度区间;

根据所述预测置信度集,确定所述待处理图像的偏移角度;以及

根据所述偏移角度,旋转所述待处理图像,

其中,根据所述预测置信度集,确定所述待处理图像的偏移角度包括:

根据所述预测置信度集,确定预测置信度最大的预定角度类别;以及

根据所述预测置信度最大的预定角度类别,确定所述待处理图像的偏移角度。

2.根据权利要求1所述的方法,其中,在提取所述待处理图像的图像特征之前,所述方法还包括:

确定所述待处理图像的最大内切圆;

根据所述最大内切圆,对所述待处理图像做掩码处理;以及

对掩码处理后的待处理图像进行归一化,得到归一化的待处理图像,

其中,所述第一特征值矩阵根据所述归一化的待处理图像提取得到。

3.根据权利要求1所述的方法,还包括:

提取样本图像的图像特征,得到第二特征值矩阵,所述样本图像具有对应的实际置信度集;

根据所述第二特征值矩阵,采用所述分类预测模型,得到与所述样本图像对应的预测置信度集;

根据与所述样本图像对应的实际置信度集,以及与所述样本图像对应的预测置信度集,采用第一损失计算模型确定所述分类预测模型的分类损失值;以及

根据所述分类损失值,采用反向传播算法优化所述分类预测模型。

4.根据权利要求3所述的方法,其中,所述样本图像标注有文本标注框,所述方法还包括:

根据所述文本标注框,确定与所述样本图像对应的实际的文本信息矩阵,所述文本信息矩阵中的一个文本信息指示所述样本图像中一个像素点是否包括文本;

根据所述第二特征值矩阵及映射函数,确定与所述样本图像对应的预测的文本信息矩阵;以及

根据所述实际的文本信息矩阵及所述预测的文本信息矩阵,采用第二损失计算模型确定所述分类预测模型的分割损失值,

其中,根据所述分类损失值及所述分割损失值,采用反向传播算法,优化所述分类预测模型。

5.根据权利要求4所述的方法,其中,根据所述文本标注框,确定与所述样本图像对应的实际的文本信息矩阵包括:

以所述文本标注框的中心点为放缩原点,根据预定比例缩小所述文本标注框;以及

根据所述样本图像中各个像素点相对于缩小后的文本标注框及缩小前的文本标注框的分布,确定与所述样本图像中各个像素点对应的文本信息,得到与所述样本图像对应的实际的文本信息矩阵。

6.根据权利要求3或4所述的方法,其中,采用第一损失计算模型确定所述分类预测模型的分类损失值包括:

根据与所述样本图像对应的实际置信度集,以及与所述样本图像对应的预测置信度集,采用归一化计算模型确定所述分类预测模型的角度分类损失值;

根据与所述样本图像对应的实际置信度集,以及与所述样本图像对应的预测置信度集,采用罚函数确定所述角度分类损失值的惩罚因子;以及

将所述角度分类损失值和所述惩罚因子的乘积作为所述分类预测模型的分类损失值。

7.根据权利要求1所述的方法,其中,所述根据所述预测置信度最大的预定角度类别,确定所述待处理图像的偏移角度包括:

根据所述预测置信度最大的预定角度类别和平滑因子,确定所述待处理图像的偏移角度,

其中,所述平滑因子与所述角度区间的划分规则相对应。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于网易有道信息技术(北京)有限公司,未经网易有道信息技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910374294.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top