[发明专利]图像处理方法及装置、电子设备和存储介质

说明书

本公开涉及一种图像处理方法及装置、电子设备和存储介质，其中，所述方法包括：获取采集的目标图像；对所述目标图像进行特征提取，得到所述目标图像中目标对象的对象特征；其中，所述对象特征与所述目标图像的图像背景不相关。本公开实施例可以通过对象特征对目标图像进行压缩，提高智能设备执行目标操作的准确性。

技术领域

本公开涉及计算机技术领域，尤其涉及一种图像处理方法及装置、电子设备和存储介质。

背景技术

强化学习是机器学习的一个重要方法，强化学习可以在智能设备与环境的交互过程中，不断对智能设备的行为进行优化。强化学习结合计算机视觉实现智能设备的自主操作是近年来人工智能领域的一个热门研究方向，可以使实智能设备具有更加广泛的应用前景。

但是，如何将强化学习结合计算机视觉使智能设备具有优越的自主操作能力是一个尚待解决的问题。

发明内容

本公开提出了一种图像处理技术方案。

根据本公开的一方面，提供了一种图像处理方法，包括：获取采集的目标图像；对所述目标图像进行特征提取，得到所述目标图像中目标对象的对象特征；其中，所述对象特征与所述目标图像的图像背景不相关。

在一个或多个可选实施例中，所述对所述目标图像进行特征提取，得到所述目标图像中目标对象的对象特征，包括：利用编码网络对所述目标图像进行特征提取，得到所述目标图像中目标对象的对象特征；其中，所述编码网络是基于在仿真场景中获取的训练图像对训练网络进行训练得到的。

通过在仿真场景中获取的训练图像对训练网络进行训练得到编码网络，可以减少对真实场景进行图像采集以获取训练图像所耗费的人力物力资源，减少训练的时间和成本。

在一个或多个可选实施例中，所述方法还包括：获取在仿真场景中提取的训练图像；

利用构建的训练网络中的编码器对所述训练图像进行特征提取，得到所述训练图像中仿真对象的对象特征；利用所述训练网络中的解码器对所述仿真对象的对象特征进行解码，得到所述解码器的输出图像；基于所述输出图像和所述训练图像对应的标签图像，对所述训练网络的网络参数进行调整，得到编码解码网络；其中，所述编码网络是由所述编码器训练得到的，所述标签图像不包括所述训练图像中的背景信息。

这里，由于标签图像不包括训练图像中背景信息，从而训练好的编码网络得到的对象特征与目标图像的图像背景不相关，对象特征可以不受背景信息的影响，使得在利用对象特征控制智能设备对目标对象执行目标操作时，可以不受应用场景的限制，从而使网络获得一定的泛化能力以覆盖未见过的现实任务场景。

在一个或多个可选实施例中，所述获取在仿真场景中提取的训练图像，包括：构建所述智能设备执行目标操作的初始场景；在所述初始场景中随机添加仿真对象以及背景信息，得到所述仿真场景；在所述仿真场景中以预设的图像采集角度获取所述训练图像。

通过构建与真实场景相似的仿真场景，可以模拟真实场景中目标图像的采集角度，减少对真实场景进行图像采集以获取训练图像所耗费的人力物力资源。

在一个或多个可选实施例中，所述基于所述输出图像和所述训练图像对应的标签图像，对所述训练网络的网络参数进行调整，得到编码解码网络，包括：获取所述训练图像对应的掩膜图像；其中，所述掩膜图像用于指示所述仿真对象的位置；基于所述掩膜图像、所述输出图像和所述训练图像对应的标签图像，确定所述训练网络的损失；基于所述训练网络的损失，对所述训练网络的网络参数进行调整，得到编码解码网络。通过利用掩膜图像计算训练网络的损失，可以使训练网络可以快速地完成训练，得到更好的编码解码网络。

在一个或多个可选实施例中，所述基于所述掩膜图像、所述输出图像和所述训练图像对应的标签图像，确定所述训练网络的损失，包括：