[发明专利]图像处理方法、装置及服务器

权利要求书

1.一种图像处理方法，其特征在于，包括下述步骤：

获取待处理的人脸图像；

将所述人脸图像输入到构建有损失函数的卷积神经网络模型中，所述损失函数根据预设期望指向性的筛选增大图像分类后的类间距离；

获取所述卷积神经网络模型输出的分类数据，并根据所述分类数据对所述人脸图像进行内容理解；

所述损失函数为Triplet-Center Loss函数，且triplet-center Loss层构建在VGG卷积神经网络模型的softmax层上，所述triplet-center Loss层根据Triplet-Center Loss函数对softmax层输出的分类数据进行指向性筛选；

其中，所述将所述人脸图像输入到构建有损失函数的卷积神经网络模型中，所述损失函数根据预设期望指向性的筛选增大图像分类后的类间距离的步骤，具体包括下述步骤：

所述Triplet-Center Loss函数比对所述卷积神经网络模型正向传播时输出类内距离与类间距离；

当所述类内距离大于所述类间距离时反复迭代的将所述卷积神经网络模型转入反向传播，以调整所述卷积神经网络模型中的权重，至所述类内距离小于所述类间距离时结束。

2.根据权利要求1所述的图像处理方法，其特征在于，所述Triplet-Center Loss函数正向传播过程的特征描述为：

L＝Lc+Ls；

定义函数：

其中，x_i表示人脸样本数据；f(x_i)表示卷积神经网络模型sonmax层的输出；c_p表示第p类的中心；c_q表示第q类的中心；N表示满足max(||f(x_i)-c_p||+α-min_q||f(x_i)-c_q||，0)的f(x_i)的个数；α表示设定参数值。

3.根据权利要求1所述的图像处理方法，其特征在于，所述卷积神经网络模型的训练方法具体包括下述步骤：

获取训练样本集；

将所述样本集输入到构建有所述损失函数的VGG卷积神经网络模型中，所述损失函数约束所述VGG卷积神经网络模型输出的数据中类内距离小于类间距离；

当所述类内距离大于所述类间距离时反复迭代的将所述VGG卷积神经网络模型转入反向传播，以调整所述VGG卷积神经网络模型中的权重，至所述类内距离小于所述类间距离时结束。

4.根据权利要求1所述的图像处理方法，其特征在于，所述获取所述卷积神经网络模型输出的分类数据，并根据所述分类数据对所述人脸图像进行内容理解的步骤，具体包括下述步骤：

获取所述卷积神经网络模型输出的分类数据；

计算所述分类数据与预存储的标本数据之间的cos距离；

根据所述cos距离对所述人脸图像进行内容理解。

5.根据权利要求1～4任意一项所述的图像处理方法，其特征在于，所述人脸图像进行内容理解包括：对人脸图像进行性别识别、年龄判断、颜值打分或人脸相似度比对。