[发明专利]一种图像处理方法、装置、计算机设备及存储介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取待处理的目标图像；

根据第一模型以及所述目标图像，确定所述目标图像的语义信息，其中，所述第一模型包括：基于预设类型的第一图像样本集对第二模型进行迁移学习训练得到的模型，所述第二模型包括：使用第一图像数据库数据集训练得到的预训练模型，其中，所述预设类型的所述第一图像样本集的图像数量在所述第一图像数据库数据集中的图像数量中所占的比例小于第一比例阈值；

根据所述目标图像的语义信息，确定所述目标图像是否为所述预设类型的图像。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

从第二图像数据库数据集中获取所述预设类型的所述第一图像样本集，其中，所述预设类型的所述第一图像样本集的图像数量在所述第二图像数据库数据集中的图像数量中所占的比例大于第二比例阈值，所述第二比例阈值大于所述第一比例阈值。

3.根据权利要求1或2所述的方法，其特征在于，所述根据第一模型以及所述目标图像，确定所述目标图像的语义信息，包括：

根据所述第一模型的模型参数分别对M个第四模型进行迁移学习训练，得到M个第五模型，其中，所述M为大于或者等于1的正整数，所述第四模型包括：使用云端数据库中的第二图像样本集训练得到的预训练模型；

对所述M个第五模型进行集成学习，得到所述第三模型；

利用所述第三模型对所述目标图像进行处理，确定所述目标图像的所述语义信息。

4.根据权利要求3所述的方法，其特征在于，根据所述第二图像样本集，训练得到所述第四模型，包括：

将所述第二图像样本集划分为第一正图像样本集和第一负图像样本集，其中，正图像样本集中的图像为所述预设类型的图像，负图像样本集中的图像不为所述预设类型的图像；

对所述第一正图像样本集进行数据增强处理，得到第二正图像样本集，以及对所述第一负图像样本集进行数据蒸馏处理，得到第二负图像样本集；

根据所述第二正图像样本集和所述所述第二负图像样本集，训练得到所述第四模型。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第二正图像样本集和所述第二负图像样本集，训练得到所述第四模型，包括：

响应于所述第二正图像样本集与所述第二负图像样本集的图像数量的比值小于比值阈值，对所述第二负图像样本集进行采样处理，得到第三负图像样本集，其中，所述第二图像样本集与所述第三负图像样本集的图像数量的比值大于或等于所述比值阈值；

根据所述第二正图像样本集和所述第三负图像样本集，训练得到所述第四模型。

6.根据权利要求3所述的方法，其特征在于，所述第三模型能够将图像样本划分为正确分类样本集和错误分类样本集；

所述方法还包括：

响应于所述第三模型不满收敛条件，则对所述第三模型进行调整，直至调整后的第三模型满足所述收敛条件，其中，所述收敛条件为：利用第N-1次调整后的第三模型对第N-1次错误分类图像样本集进行分类得到的第N错误分类图像样本集占第N-1错误分类图像样本的占比小于占比阈值，其中，所述N为大于或等于1的正整数，且当所述N等于1时，所述第N-1次错误分类图像样本集为第三图像样本集；

利用第N-1次调整后的第三模型对所述第三图像样本集进行分类得到第N正确分类图像样本集，并将所述第N正确分类图像样本集作为所述第二图像样本集。

7.一种图像处理装置，其特征在于，包括：

第一获取模块，用于获取待处理的目标图像；

第一确定模块，用于根据第一模型以及所述目标图像，确定所述目标图像的语义信息，其中，所述第一模型包括：基于预设类型的第一图像样本集对第二模型进行迁移学习训练得到的模型，所述第二模型包括：使用第一图像数据库数据集训练得到的预训练模型，其中，所述预设类型的所述第一图像样本集的图像数量在所述第一图像数据库数据集中的图像数量中所占比例小于第一比例阈值；

第二确定模块，用于根据所述目标图像的语义信息，确定所述目标图像是否为所述预设类型的图像。