[发明专利]基于人工智能的图像处理方法、装置及电子设备

权利要求书

1.一种基于人工智能的图像处理方法，其特征在于，所述方法包括：

对样本图像进行特征提取处理，得到所述样本图像的非语义特征和语义特征；

根据多个所述样本图像分别对应的非语义特征建立非语义索引，根据多个所述样本图像分别对应的语义特征建立语义索引；

对待查询图像进行特征提取处理，得到所述待查询图像的非语义特征和语义特征；

根据所述待查询图像的非语义特征对所述非语义索引进行相似查询处理，得到相似非语义索引，根据所述待查询图像的语义特征对所述语义索引进行相似查询处理，得到相似语义索引；

将所述相似非语义索引对应的样本图像、以及所述相似语义索引对应的样本图像中的至少部分样本图像，作为所述待查询图像的相似样本图像。

2.根据权利要求1所述的方法，其特征在于，所述对样本图像进行特征提取处理之前，所述方法还包括：

通过图像处理模型对训练图像组中的训练图像进行特征提取处理，得到所述训练图像的非语义特征和语义特征，并对所述训练图像的语义特征进行语义分类处理，得到预测分类特征；

根据所述训练图像的非语义特征、语义特征及预测分类特征分别进行损失计算处理，得到对应所述训练图像组的非语义特征损失值、语义特征损失值及语义分类损失值；

对所述训练图像组的非语义特征损失值、语义特征损失值及语义分类损失值进行融合处理，并根据得到的融合损失值训练所述图像处理模型；

其中，训练后的所述图像处理模型用于对所述样本图像及所述待查询图像进行特征提取处理。

3.根据权利要求2所述的方法，其特征在于，所述图像处理模型包括初始特征提取网络、非语义特征提取网络、语义特征提取网络及语义分类网络；

所述通过图像处理模型对训练图像组中的训练图像进行特征提取处理，得到所述训练图像的非语义特征和语义特征，包括：

通过所述初始特征提取网络对所述训练图像进行初始特征提取处理，得到所述训练图像的初始特征；

通过所述非语义特征提取网络对所述训练图像的初始特征进行非语义特征提取处理，得到所述训练图像的非语义特征；

通过所述语义特征提取网络对所述训练图像的初始特征进行语义特征提取处理，得到所述训练图像的语义特征；

所述对所述训练图像的语义特征进行语义分类处理，得到预测分类特征，包括：

通过所述语义分类网络对所述训练图像的语义特征进行语义分类处理，得到所述训练图像的预测分类特征。

4.根据权利要求3所述的方法，其特征在于，所述根据得到的融合损失值训练所述图像处理模型，包括：

执行以下任意一种处理：

根据所述融合损失值训练所述非语义特征提取网络、所述语义特征提取网络及所述语义分类网络；

根据所述融合损失值训练所述初始特征提取网络、所述非语义特征提取网络、所述语义特征提取网络及所述语义分类网络；

其中，所述语义分类网络的训练速率高于所述图像处理模型中区别于所述语义分类网络的网络。

5.根据权利要求2所述的方法，其特征在于，所述训练图像组包括第一训练图像、与所述第一训练图像相似的第二训练图像、以及与所述第一训练图像不相似的第三训练图像；

所述根据所述训练图像的非语义特征、语义特征及预测分类特征分别进行损失计算处理，得到对应所述训练图像组的非语义特征损失值、语义特征损失值及语义分类损失值，包括：

根据所述第一训练图像的非语义特征与所述第二训练图像的非语义特征之间的非语义距离、以及所述第一训练图像的非语义特征与所述第三训练图像的非语义特征之间的非语义距离，确定所述训练图像组的非语义特征损失值；

根据所述第一训练图像的语义特征与所述第二训练图像的语义特征之间的语义距离、以及所述第一训练图像的语义特征与所述第三训练图像的语义特征之间的语义距离，确定所述训练图像组的语义特征损失值；

根据所述训练图像组中的任意一个训练图像的标注分类特征及预测分类特征，确定所述任意一个训练图像的语义分类损失值，并对所述第一训练图像、所述第二训练图像及所述第三训练图像分别对应的语义分类损失值进行融合处理，得到所述训练图像组的语义分类损失值。