[发明专利]一种自动拼图方法、装置、服务器及存储介质

说明书

本公开关于涉及一种自动拼图方法、装置、服务器及存储介质。其中，所述自动拼图方法包括：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。本公开实施例能够对打乱顺序的分块图像，自动的预测每个分块图像的位置，并进行自动拼图。预测特征能更全面的表达分块图像，为后期迁移学习至其他任务模型提供支撑。

技术领域

本公开涉及人工智能技术领域，尤其涉及一种自动拼图方法、装置、服务器及存储介质。

背景技术

随着人工智能技术的发展，出现了图像领域的预训练模型。预训练模型包括利用机器学习的训练方法从大规模的数据中获得与具体任务无关的模型，后期对预训练模型结合具体任务进行微调，即可得到具有多种任务功能的模型。因此，预训练能够降低模型训练的难度，提高模型训练的准确度。

相关技术中，采用有监督的训练方法获取图像领域的预训练模型，有监督的训练依赖于人工标注的数据，成本较高。有监督的预训练模型大多是分类模型和检测模型，分类任务和检测任务较为简单，所得到的图像特征无法表达图像的内部特征，因而，利用该预训练模型进行微调得到的其他任务模型的准确度不高。

发明内容

本公开提供一种自动拼图方法、装置、服务器及存储介质。以至少解决相关技术中利用该预训练模型进行微调得到的其他任务模型的准确度不高的问题。本公开的技术方案如下：

根据本公开实施例的第一方面提供一种自动拼图方法，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。

在一种可能的实现方式中，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。

在一种可能的实现方式中，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，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。

在一种可能的实现方式中，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：