[发明专利]图像处理方法及装置、电子设备及存储介质

说明书

本申请公开了一种图像处理方法及装置、电子设备及存储介质。该方法包括：获取第一待比对图像、第二待比对图像、比对模型、相似度阈值和校正特征向量集；使用所述比对模型提取出所述第一待比对图像中的第一待比对对象的特征得到第一待比对特征向量，使用所述比对模型提取出所述第二待比对图像中的第二待比对对象的特征得到第二待比对特征向量；通过对第一待比对特征向量与第二待比对特征向量之间的相似度进行修正，得到第二相似度；依据所述第二相似度和所述相似度阈值之间的大小关系，确定所述第一待比对对象和所述第二待比对对象是否为同一个对象。

技术领域

本申请涉及计算机视觉技术领域，尤其涉及一种图像处理方法及装置、电子设备及存储介质。

背景技术

得益于强大的性能，近几年计算机视觉模型被广泛应用于图像处理领域，用以执行各种任务，其中，就包括对象比对任务。具体的，对象比对任务指使用比对模型对两张包含比对对象的图像进行处理，以确定上述两个待比对对象是否为同一个对象。

在目前的方法中，电子设备使用比对模型对待识别数据进行识别得到识别结果，然而比对模型对同一属性的不同属性类别的数据进行识别得到的识别精度不同。

因此，如何提高比对模型对同一属性的不同属性类别的数据的识别准确度具有非常重要的意义。

发明内容

本申请提供两种图像处理方法及装置、电子设备及存储介质。

第一方面，提供了一种图像处理方法，所述方法包括：

获取第一待比对图像、第二待比对图像、比对模型、相似度阈值和校正特征向量集；所述相似度阈值是预先经过修正处理后得到的阈值；

使用所述比对模型提取出所述第一待比对图像中的第一待比对对象的特征得到第一待比对特征向量，使用所述比对模型提取出所述第二待比对图像中的第二待比对对象的特征得到第二待比对特征向量；所述校正特征向量集中的特征向量所对应的属性类别包括第一属性类别集合；所述第一属性类别集合包括所述第一待比对对象的属性类别；

确定所述第一待比对特征向量与所述校正特征向量集中的特征向量之间的相似度得到第一相似度集，并确定所述第一相似度集中最大的n个相似度的和得到第一值；所述n为正整数；

计算所述第一待比对特征向量和所述第二待比对特征向量之间的第一相似度；

确定所述第一相似度与所述第一值之间的差，得到第二相似度；

依据所述第二相似度和所述相似度阈值之间的大小关系，确定所述第一待比对对象和所述第二待比对对象是否为同一个对象。

本申请实施例中，相似度阈值为判断两个特征向量所对应的对象是否为同一个对象的依据。所述修正相似度集依据所述校正特征向量集对标定特征向量集中的特征向量之间的相似度进行修正得到；所述标定特征向量集通过所述比对模型得到。即相似度阈值是预先经过修正处理后得到的阈值。相似度阈值依据识别标准和标定相似度集得到，上述修正处理指，得到相似度阈值的标定相似度集中的相似度为经过修正的相似度，其中，修正相似度指在使用比对模型得到数据之间的相似度时，降低了比对模型对该数据的偏见。

校正特征向量集中的特征向量所对应的属性类别包括第一属性类别集合，其中，第一属性类别集合包括第一待比对对象的属性类别(下文将第一待比对对象的属性类别称为参考属性类别)。在校正特征向量集为比对模型对校正图像集进行特征提取处理得到的情况下，校正特征向量集可用于表征比对模型的特征空间。

由于校正特征向量集可用于表征比对模型的特征空间，且校正特征向量集所对应的属性类别包括第一属性类别集合，图像处理装置通过确定上述第一相似度集中最大的n个相似度的和，可得到属性类别为参考属性类别的特征向量在特征空间中的分布，即为第一值。