[发明专利]图像处理、分类方法及装置、电子设备及存储介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取从图像集中选出的第一图像，以及存储缓冲器中存储的特征集合，所述特征集合包括所述图像集中选出的第二图像的特征；所述第二图像包含类别标签；

对所述第一图像进行第一增强处理得到对应的第一增强图像，对所述第一图像进行第二增强处理得到对应的第二增强图像，其中，所述第一增强处理的增强程度弱于所述第二增强处理的增强程度；

将所述第一图像对应的第一增强图像和第二增强图像分别输入到经过训练的神经网络中进行特征提取，得到所述第一增强图像的第一特征和所述第二增强图像的第二特征，其中，所述神经网络包括基于从所述图像集中选出的第二图像训练的图像分类网络；

将所述第一特征和所述第二特征分别与所述特征集合中的特征进行关联处理，得到第一特征对应的第一关联特征和第二特征对应的第二关联特征；

基于所述第一关联特征和所述第二关联特征之间的相似度或差异度对所述神经网络进行调整。

2.根据权利要求1所述的方法，其特征在于，所述将所述第一特征和所述第二特征分别与所述特征集合中的特征进行关联处理，包括：

对所述第一特征与所述特征集合中的各个特征进行点乘运算，得到所述第一关联特征；所述第一关联特征用于表征所述第一特征对应的第一增强图像与所述特征集合中的特征对应的第二图像的类别标签的关联程度；

对所述第二特征与所述特征集合中的各个特征进行点乘运算，得到所述第二关联特征；所述第二关联特征用于表征所述第二特征对应的第二增强图像与所述特征集合中的特征对应的第二图像的类别标签之间的关联程度。

3.根据权利要求2所述的方法，其特征在于，所述基于所述第一关联特征和所述第二关联特征之间的相似度或差异度对所述神经网络进行调整，包括：

基于所述第一关联特征和所述第二关联特征之间的相似度或差异度，确定针对所述神经网络的损失函数值；

基于所述损失函数值对所述神经网络进行至少一轮调整，得到训练好的神经网络。

4.根据权利要求3所述的方法，其特征在于，在得到所述第一增强图像的第一特征之后，所述方法还包括：

利用所述神经网络包括的图像分类网络对所述第一增强图像的第一特征进行图像分类，得到所述图像分类网络输出的概率分布；所述概率分布用于指示所述第一增强图像属于多种预设类别中每种预设类别的预测概率；

所述基于所述第一关联特征和所述第二关联特征之间的相似度或差异度，确定针对所述神经网络的损失函数值，包括：

基于所述图像分类网络输出的概率分布、以及所述第一关联特征和所述第二关联特征之间的相似度或差异度，确定针对所述神经网络的损失函数值。

5.根据权利要求4所述的方法，其特征在于，所述基于所述图像分类网络输出的概率分布、以及所述第一关联特征和所述第二关联特征之间的相似度或差异度，确定针对所述神经网络的损失函数值，包括：

将对应的所述概率分布中指示预测概率值大于预设阈值的第一增强图像确定为第一目标增强图像，并基于所述第一目标增强图像对应的概率分布确定与第一目标增强图像配对的第二增强图像的类别标签；

在将对应所述第一目标增强图像的第二增强图像输入到神经网络的情况下，基于所述图像分类网络输出的概率分布以及确定的所述类别标签之间的匹配度，确定针对所述神经网络的第一子损失函数值；

基于所述第一子损失函数值、以及基于所述第一关联特征和所述第二关联特征之间的相似度或差异度确定的第二子损失函数值，确定针对所述神经网络的损失函数值。

6.根据权利要求4或5所述的方法，其特征在于，所述基于所述图像分类网络输出的概率分布、以及所述第一关联特征和所述第二关联特征之间的相似度或差异度，确定针对所述神经网络的损失函数值，包括：

基于所述第一增强图像对应输出的概率分布对所述第一关联特征进行更新，得到更新后的第一关联特征；

基于更新后的第一关联特征，对所述第一关联特征和所述第二关联特征之间的相似度或差异度进行更新，得到更新后的相似度或差异度；

基于所述更新后的相似度或差异度，确定针对所述神经网络的损失函数值。