[发明专利]一种图像处理方法、装置、计算机设备及存储介质

说明书

本公开是关于一种图像处理方法、装置、计算机设备及存储介质，所述方法包括：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预训练得到的预训练模型，其中，所述预设类型的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。故，对于各种类型的样本数据分布不平衡和/或预设类型的样本数据不充分的情况下，提高预设类型的图像的图像识别率。

技术领域

本公开涉及人工智能技术领域，尤其涉及一种图像处理方法、装置、计算机设备及存储介质。

背景技术

计算机视觉技术(Computer Vision，CV)是人工智能软件技术的重要方向之一，是指用摄像机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉。计算机视觉技术是指通过对某些深度学习模型研究使得输入至这些深度学习模型的图像智能地记性分类。

相关技术中，对于一些样本数据分布不平衡，特别是无法获得充足的样本数的小样本的图像数据或者少样本的图像数据而言，由于某一个类或者多个类的图像样本的分布数量少，且数量也不充足，会使这些深度学习模型对于这一类图像样本对应的图像的识别准确性不高，甚至无法识别。基于此，如何提高针对少样本或者小样本的图像数据的图像识别准确性以及识别率成为了亟需解决的技术问题。

发明内容

本公开的目的在于提供一种图像处理方法、装置、计算机设备及存储介质，旨在提高针对少样本或者小样本的图像数据识别准确性以及识别率。

为了达到上述目标，本公开采用以下技术方案：

根据本公开实施例的第一方面，提供一种图像处理方法，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。

上述方案中，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，其中，所述第二比例阈值大于所述第一比例阈值。

上述方案中，所述根据所述第一模型，确定第三模型，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。

上述方案中，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；