[发明专利]一种自动拼图方法、装置、服务器及存储介质

权利要求书

1.一种自动拼图方法，其特征在于，包括：

获取第一分块图像序列；

将所述第一分块图像序列输入至预测模型，经所述预测模型，输出所述第一分块图像序列中每个分块图像的位置，其中所述预测模型被设置为根据分块图像样本与所述分块图像样本的位置之间的对应关系训练获得；

根据所述位置，对所述分块图像序列进行拼图，得到拼图后的图像。

2.根据权利要求1所述的方法，其特征在于，所述预测模型包括自注意力机制网络，所述将所述分块图像序列输入至预测模型，经所述预测模型，输出所述分块图像序列中每个分块图像的位置，包括：

获取所述第一分块图像序列、多个第二分块图像序列中分块图像的特征，所述第二分块图形为对所述第一分块图像序列进行随机排序后获得；

分别将所述第一分块图像序列的特征、所述多个第二分块图像序列中每个第二分块图像序列的特征输入至自注意力机制网络，经所述自注意力机制网络，输出预测特征，其中，所述预测特征、所述特征、与所述分块图像具有一一对应的关系；

获取所述第一分块图像序列中每个分块图像对应的多个预测特征的平均值；

根据所述平均值，确定所述每个分块图像的位置。

3.根据权利要求1所述的方法，其特征在于，所述预测模型被设置为根据分块图像样本与所述分块图像样本的位置之间的对应关系训练获得，包括：

获取样本集合，所述样本集合包括分块图像样本，所述分块图像样本上标注有位置；

构建预测模型，所述预测模型中设置有训练参数；

将所述分块图像样本输入至所述预测模型，经所述预测模型，输出所述分块图像样本的预测位置；

基于所述预测位置与标注的所述位置之间的差异，对所述训练参数进行迭代调整，直至所述差异满足预设要求，得到所述预测模型。

4.根据权利要求3所述的方法，其特征在于，所述预测模型包括自注意力机制网络，所述将所述分块图像样本输入至所述预测模型，经所述预测模型，输出所述分块图像样本的预测位置，包括：

获取所述分块图像样本的特征；

将所述特征输入至自注意力机制网络，经所述自注意力机制网络，输出预测特征；

根据所述预测特征，确定所述分块图像的预测位置。

5.根据权利要求4所述的方法，其特征在于，所述获取所述分块图像样本的特征，包括：

利用卷积神经网络对所述分块图像样本做卷积处理，得到所述分块图像样本的特征。

6.根据权利要求4所述的方法，其特征在于，所述获取所述分块图像样本的特征，包括：

利用映射矩阵对所述分块图像样本进行线性映射变换，得到所述分块图像样本的特征。

7.根据权利要求3至6中任一项所述的方法，其特征在于，所述位置的标注方式包括：

获取位于同一原图像的多个分块图像样本并在所述原图像中确定预设位置作为坐标原点位置；

分别将所述多个分块图像样本与所述原图像进行匹配，获取所述多个分块图像样本中每个分块图像样本与所述预设位置的距离；

根据所述距离，确定所述每个分块图像样本在所述原图像中的位置为所述分块图像的标注位置。

8.根据权利要求3至6中任一项所述的方法，其特征在于，所述位置的标注方式包括：

获取位于同一原图像的多个分块图像样本并在所述原图像中确定预设位置作为坐标原点位置；

分别将所述多个分块图像样本与所述原图像进行匹配，获取所述多个分块图像样本中每个分块图像样本相对于所述预设位置的方位；

根据所述方位，确定所述多个分块图像样本中每个分块图像样本与所述预设位置的相对位置；

获取所述多个分块图像样本对应的多个相对位置，确定所述预设位置上分块图像的标注位置为所述多个相对位置的向量表示。