[发明专利]图像处理方法、装置、存储介质及电子设备

说明书

本申请实施例公开了一种图像处理方法、装置、存储介质及电子设备，其中图像处理方法包括：获取第一样本图像集，第一样本图像集包括多个带有分类标注信息的第一样本图像；对第一样本图像进行画面风格转换处理，得到指定画面风格的目标图像集；基于目标图像集及相应的分类标注信息对预设分类神经网络进行训练，得到训练后的分类神经网络；基于训练后的分类神经网络对待处理图像进行处理。本方案通过对带有标注的图像集进行风格转换，以快速高效获取大量有标注的指定风格的分类数据集用于训练分类神经网络，使分类神经网络具备智能对该指定画面风格图像进行分类处理的能力，提升了神经网络的分类效果。

技术领域

本申请涉及信息处理技术领域，具体涉及一种图像处理方法、装置、存储介质及电子设备。

背景技术

近年来基于深度神经网络的图像分类和特征提取方法取得了很多成果。ImageNet、Open Image Dataset等集推动基于深度神经网络的图像分类取得了巨大进步。

研究发现，基于ImageNet训练的深度神经网络主要基于图像的纹理进行推断，然而也会出现误判的情况。例如，若用线条画出猫的形状、用大象的皮肤材质进行填充，则该深度神经网络会将图像识别为大象。可知，当前发展的面向真实场景的深度神经分类网络并不通用。尤其是对于动漫场景而言，相同物体在不同动漫中的表现风格存在巨大差异，导致所获取的特征质量较差，特征用于检索和视频、图片理解效果不佳。而传统特征提取方法(如SIFT、RANSAC)无法准确表示动漫图片，导致动漫场景下的图像分类效果较差。

发明内容

本申请实施例提供一种图像处理方法、装置、存储介质及电子设备，可快速高效地训练分类神经网络，提升神经网络的分类效果。

本申请实施例提供了一种图像处理方法，包括：

获取第一样本图像集，所述第一样本图像集包括多个带有分类标注信息的第一样本图像；

对所述第一样本图像进行画面风格转换处理，得到指定画面风格的目标图像集；

基于所述目标图像集及相应的分类标注信息对预设分类神经网络进行训练，得到训练后的分类神经网络；

基于训练后的分类神经网络对待处理图像进行处理。

相应的，本申请实施例还提供了一种图像处理装置，包括：

第一获取单元，用于获取第一样本图像集，所述第一样本图像集包括多个带有分类标注信息的第一样本图像；

转换单元，用于处理单元，用于对所述第一样本图像进行画面风格转换处理，得到指定画面风格的目标图像集；

训练单元，用于基于所述目标图像集及相应的分类标注信息对预设分类神经网络进行训练，得到训练后的分类神经网络；

处理单元，用于基于训练后的分类神经网络对待处理图像进行处理。

在一实施例中，还包括：

第二获取单元，用于获取第一样本图像集，获取不同画面风格的第二样本图像，得到第二样本图像集；

第三获取单元，用于基于所述第二样本图像集对预设的风格迁移网络进行训练，获取不同风格的风格矩阵；

所述转换单元用于：

利用所述风格迁移网络，从不同风格的风格矩阵中选取目标风格矩阵对所述第一样本图像进行画面风格转换处理，得到指定风格的目标图像集。

在一实施例中，在从不同风格的风格矩阵中选取目标风格矩阵对所述第一样本图像进行画面风格转换处理时，所述转换单元用于：

对所述第一样本图像提取内容特征；