[发明专利]图像处理方法、装置、电子设备和存储介质

权利要求书

1.一种图像处理方法，包括：

确定图像的注意力特征序列中多个注意力特征各自的局域信息；

针对每个注意力特征，根据该注意力特征的局域信息，从深度学习模型的多个专家子模型中确定目标子模型，并使用所述目标子模型对该注意力特征进行处理，得到专家输出结果；以及

根据所述多个注意力特征各自的专家输出结果，确定所述图像的处理结果。

2.根据权利要求1所述的方法，其中，所述确定图像的注意力特征序列中多个注意力特征各自的局域信息包括：

将所述注意力特征序列转换为注意力特征矩阵；

针对所述注意力特征矩阵中的每个注意力特征，根据该注意力特征在所述注意力特征矩阵中的位置以及位于所述位置周围的相邻注意力特征，确定该注意力特征的局域信息。

3.根据权利要求2所述的方法，其中，所述深度学习模型包括局域信息处理子模型，所述局域信息处理子模型为卷积子模型、平均池化子模型或最大池化子模型中的之一；所述针对所述注意力特征矩阵中的每个注意力特征，根据该注意力特征在所述注意力特征矩阵中的位置以及位于所述位置周围的相邻注意力特征，确定该注意力特征的局域信息包括：针对所述注意力特征矩阵中的每个注意力特征，

使用所述局域信息处理子模型获取所述相邻注意力特征的信息，得到所述注意力特征的局域信息。

4.根据权利要求1至3中任一项所述的方法，其中，所述多个专家子模型与多个属性各自对应；所述针对每个注意力特征，根据该注意力特征的局域信息，从深度学习模型的多个专家子模型中确定目标子模型，并使用所述目标子模型对该注意力特征进行处理，得到专家输出结果包括：针对每个注意力特征，

根据该注意力特征的局域信息，计算该注意力特征属于各个属性的概率；

根据所述概率，从所述深度学习模型的多个专家子模型中确定所述目标子模型；以及

使用所述目标子模型对所述注意力特征进行处理，得到所述注意力特征的专家输出结果。

5.根据权利要求1至4中任一项所述的方法，其中，所述目标子模型包括多个目标子模型；所述使用所述目标子模型对该注意力特征进行处理，得到专家输出结果包括：

针对每个目标子模型，使用该目标子模型对所述注意力特征进行处理，得到该注意力特征的目标输出结果；以及

根据所述多个目标子模型各自的目标输出结果，确定所述专家输出结果。

6.根据权利要求1至5中任一项所述的方法，其中，所述深度学习模型包括注意力子模型；所述方法还包括：

将所述图像划分为多个图像块；

确定所述多个图像块各自的初始特征，得到初始特征序列；以及

使用所述注意力子模型对所述初始特征序列进行处理，得到所述注意力特征序列。

7.根据权利要求6所述的方法，其中，所述深度学习模型包括多个基本结构单元，每个基本结构单元包括所述注意力子模型、局域信息处理子模型和所述多个专家子模型，所述局域信息处理子模型为卷积子模型、平均池化子模型或最大池化子模型中的之一；所述方法还包括：

将当前基本结构单元输出的所述多个注意力特征各自的专家输出结果转换为新的特征序列；以及

将所述新的特征序列作为下一个基本结构单元的初始特征序列，针对所述下一个基本结构单元，返回使用所述注意力子模型对所述初始特征序列进行处理，得到所述注意力特征序列的步骤。

8.根据权利要求1至7中任一项所述的方法，其中，所述图像的处理结果包括所述图像的类别、图像中的目标对象的位置以及图像中的文本信息中的之一。