[发明专利]图像处理方法、模型训练方法、装置、设备及存储介质

说明书

本申请实施例提供了一种图像处理方法、模型训练方法、装置、设备及存储介质，涉及人工智能技术领域。本申请实施例可应用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。所述方法包括：获取目标图像对应的相关特征图，相关特征图用于表征待计数的目标对象与目标图像之间的相关性；对相关特征图进行预处理，得到包含多个特征块的初始的块特征图；根据初始的块特征图进行密度图预测，得到目标图像对应的密度图；其中，密度图预测包括至少一块处理操作，块处理操作用于基于可学习参数恢复输入的块特征图对应的空间分辨率；基于密度图，确定目标图像中包含的目标对象的预测数量。本申请实施例降低了对图像中的对象数量的预测误差。

技术领域

本申请实施例涉及人工智能技术领域，特别涉及一种图像处理方法、模型训练方法、装置、设备及存储介质。

背景技术

图像处理技术可以应用于各种应用场景中，如采用图像处理模型进行万物计数(即小样本计数)。

在相关技术中，在进行密度图预测时，仅采用了一些卷积操作和插值算法预测密度图，再基于预测得到的密度图确定图像中对象的预测数量。但是，仅通过一些卷积操作和非可学习的插值算法进行密度图预测，学习效果不佳，导致对图像中对象数量的预测误差较大。

发明内容

本申请实施例提供了一种图像处理方法、模型训练方法、装置、设备及存储介质，降低了对图像中的对象数量的预测误差。所述技术方案如下：

根据本申请实施例的一个方面，提供了一种图像处理方法，所述方法包括：

获取目标图像对应的相关特征图，所述相关特征图用于表征待计数的目标对象与所述目标图像之间的相关性；

对所述相关特征图进行预处理，得到包含多个特征块的初始的块特征图；

根据所述初始的块特征图进行密度图预测，得到所述目标图像对应的密度图；其中，所述密度图预测包括至少一块处理操作，所述块处理操作用于基于可学习参数恢复输入的块特征图对应的空间分辨率；

基于所述密度图，确定所述目标图像中包含的所述目标对象的预测数量。

根据本申请实施例的一个方面，提供了一种图像处理模型的训练方法，所述图像处理模型包括特征提取和相关性计算网络、块嵌入网络和密度图预测网络，所述方法包括：

通过所述特征提取和相关性计算网络，获取样本图像对应的相关特征图，所述相关特征图用于表征待计数的样本对象与所述样本图像之间的相关性；

通过所述块嵌入网络对所述相关特征图进行预处理，得到包含多个特征块的初始的块特征图；

通过所述密度图预测网络根据所述初始的块特征图进行密度图预测，得到所述样本图像对应的预测密度图；其中，所述密度图预测包括至少一块处理操作，所述块处理操作用于基于可学习参数恢复输入的块特征图对应的空间分辨率；

基于所述预测密度图和所述样本图像针对所述样本对象的实际密度图，训练所述图像处理模型。

根据本申请实施例的一个方面，提供了一种图像处理装置，所述装置包括：

特征图获取模块，用于获取目标图像对应的相关特征图，所述相关特征图用于表征待计数的目标对象与所述目标图像之间的相关性；

块嵌入模块，还用于对所述相关特征图进行预处理，得到包含多个特征块的初始的块特征图；

密度图预测模块，用于根据所述初始的块特征图进行密度图预测，得到所述目标图像对应的密度图；其中，所述密度图预测包括至少一块处理操作，所述块处理操作用于基于可学习参数恢复输入的块特征图对应的空间分辨率；

数量确定模块，用于基于所述密度图，确定所述目标图像中包含的所述目标对象的预测数量。