[发明专利]图像处理方法以及装置、设备、存储介质

说明书

本申请公开了一种图像处理方法以及装置、设备、存储介质。该方法包括输入待处理图片到神经网络模型；根据所述神经网络模型，输出图片信息是否完成的检测结果；在训练所述神经网络模型时还包括用于增加所述神经网络模型的泛化能力的步骤：在处理训练集中的图片时使用加速神经网络训练方式；在图像增强阶段，使用非平移或者非旋转的处理方式。本申请解决了对于身份证信息完整性的图像处理效果不佳的技术问题。通过本申请对传统的卷积神经网络训练进行了优化，更适用于身份证缺边检测的场景。

技术领域

本申请涉及图像处理领域，具体而言，涉及一种图像处理方法以及装置、设备、存储介质。

背景技术

线上业务审核时，用户提供的身份证照片有效性检测成为业务线上化的一个重要环节。

发明人发现，针对用户上传身份证照片中身份证是否完整的检测缺少对于身份证缺边检测，进一步由于特征位于照片边缘部分，与正常照片并无明显特征，给目标图像处理造成了困难。

针对相关技术中对于身份证信息完整性的图像处理效果不佳的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种图像处理方法以及装置、设备、存储介质，以解决对于身份证信息完整性的图像处理效果不佳的问题。

为了实现上述目的，根据本申请的一个方面，提供了一种图像处理方法，用于检测图像信息是否完整。

根据本申请的图像处理方法包括：输入待处理图片到神经网络模型；根据所述神经网络模型，输出图片信息是否完成的检测结果；在训练所述神经网络模型时还包括用于增加所述神经网络模型的泛化能力的步骤：在处理训练集中的图片时使用加速神经网络训练方式；在图像增强阶段，使用非平移或者非旋转的处理方式。

进一步地，在处理训练集中的图片时使用加速神经网络训练方式包括：

基于预设卷积神经网络，设置所述Batchnorm算法模型的超参选择，并采用Batchnorm算法模型在已打标的数据集上进行训练。

进一步地，在图像增强阶段，使用非平移或者非旋转的处理方式包括：

在图像增强阶段，使用非左右平移的处理方式进行图片增强处理。

进一步地，在图像增强阶段，使用非平移或者非旋转的处理方式包括：

在图像增强阶段，非旋转的处理方式进行图片增强处理。

进一步地，所述用于检测图像信息是否完整包括：检测身份证的图像信息是否完整，

输入待处理图片到神经网络模型，包括：

输入待处理身份证的图片到神经网络模型，

根据所述神经网络模型，输出图片信息是否完成的检测结果，包括：

根据所述神经网络模型，输出身份证图片是否缺边检测的检测结果。

为了实现上述目的，根据本申请的另一方面，提供了一种图像处理装置，用于检测图像信息是否完整。

根据本申请的图像处理装置包括：输入模块，用于输入待处理图片到神经网络模型；输出模块，用于根据所述神经网络模型，输出图片信息是否完成的检测结果；还包括：优化模块，用于在训练所述神经网络模型时还包括用于增加所述神经网络模型的泛化能力的步骤：在处理训练集中的图片时使用加速神经网络训练方式；在图像增强阶段，使用非平移或者非旋转的处理方式。

进一步地，所述优化模块，用于

基于预设卷积神经网络，设置所述Batchnorm算法模型的超参选择，并采用Batchnorm算法模型在已打标的数据集上进行训练。