[发明专利]一种图像处理模型的训练方法和系统

权利要求书

1.一种图像处理模型的训练方法，所述方法包括：

获取第一样本图像及其标签；其中，所述第一样本图像来自于隐私数据集；

获取第一样本图像的多个特征图；

基于与所述多个特征图一一对应的能量系数从第一样本图像的多个特征图中筛选出目标特征图；所述能量系数通过使用第二样本图像及其标签对第一模型进行训练获得，所述第二样本图像来自公开数据集；

对所述目标特征图进行脱敏处理，获得用于表征所述第一样本图像的脱敏图像数据；

将所述脱敏图像数据作为输入特征输入图像处理模型，得到处理结果；

调整所述图像处理模型的参数，以减小处理结果与所述标签之间的差异。

2.根据权利要求1所述的方法，所述与所述多个特征图一一对应的能量系数通过以下步骤获得：

获取第二样本图像的多个特征图；

将第二样本图像的多个特征图输入第一模型，得到样本预测结果；所述第一模型的参数包括与所述多个特征图一一对应的能量系数；

确定第一损失函数值；所述第一损失函数值反映样本预测结果与第二样本图像的标签之间的差异；

确定第二损失函数值；所述第二损失函数值基于所述多个特征图的信息与所述多个特征图对应的能量系数构造；

调整所述第一模型的参数，以使得第一损失函数值与第二损失函数值最小化；

从经过训练的第一模型中获取所述能量系数。

3.根据权利要求2所述的方法，在所述第一模型中，各能量系数用于与输入的多个特征图对应相乘，相乘的结果用于输出给第一模型的其他部分以进一步处理。

4.根据权利要求1所述的方法，所述基于与所述多个特征图一一对应的能量系数从第一样本图像的多个特征图中筛选出目标特征图，包括：

舍弃小于阈值的能量系数所对应的特征图。

5.根据权利要求1所述的方法，所述隐私数据集与所述公开数据集同分布。

6.根据权利要求1或2所述的方法，样本图像的多个特征图通过以下方式得到：

对样本图像进行局部离散余弦变换，获得多个变换结果；

将各变换结果中相同频率位置的值组合得到一个特征图，以此得到对应变换结果中不同频率位置的多个特征图；

基于所述不同频率位置的多个特征图得到所述多个特征图。

7.根据权利要求6所述的方法，所述基于所述不同频率位置的多个特征图得到所述多个特征图，包括：

将所述不同频率位置的多个特征图作为所述多个特征图；或者，

基于SEnet网络或基于预设选择规则，舍弃所述不同频率位置的多个特征图中的部分得到所述多个特征图。

8.根据权利要求1所述的方法，所述脱敏处理包括：

对目标特征图进行损失处理；

对经过损失处理后的目标特征图进行融合处理，以获取数量少于损失处理后的目标特征图的一个或多个融合特征图。

9.根据权利要求8所述的方法，所述对目标特征图进行损失处理，包括：

改变一张或多张目标特征图中的元素值。

10.根据权利要求8所述的方法，所述对经过损失处理后的目标特征图进行融合处理，以获取数量少于损失处理后的目标特征图的一个或多个融合特征图，包括：

对经过损失处理后的多个目标特征图，按照两个或以上目标特征图为一组的方式进行组合，得到一个或多个组合结果；

对于每个组合结果，将其中的目标特征图按照预设计算方式进行运算，得到融合特征图。