[发明专利]一种图像处理方法、装置、电子设备及其存储介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取训练数据集，并根据所述训练数据集构建标签矩阵；

利用所述训练数据集对深度神经网络中的主网络和多个子网络进行训练，获得所述主网络对应的第一输出矩阵和各所述子网络分别对应的第二输出矩阵；其中，所述主网络用于对所有场景类别进行识别，每一所述子网络用于对相应的场景类别进行识别；

根据各所述子网络对应的场景类别分别对所述第一输出矩阵和所述标签矩阵进行切片划分，获得所述第一输出矩阵对应的第一切片矩阵和所述标签矩阵对应的第二切片矩阵；

根据所述场景类别计算所述第二输出矩阵和所述第一切片矩阵之间的欧式距离；根据所述场景类别，利用交叉熵计算公式分别计算所述第二输出矩阵和所述第二切片矩阵之间的第一交叉熵，以及所述第一输出矩阵和所述标签矩阵之间的第二交叉熵；根据所述欧式距离、所述第一交叉熵和所述第二交叉熵获得损失函数；并根据所述损失函数对所述深度神经网络中的参数进行优化，获得所述主网络对应的场景识别模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述场景类别计算所述第二输出矩阵和所述第一切片矩阵之间的欧式距离，包括：

根据计算所述第二输出矩阵中两个行向量之间的欧式距离，获得第一中间矩阵获取第一切片矩阵其中da_kj为所述第二输出矩阵中第k行向量和第j行向量之间的欧式距离，a_ki为所述第二输出矩阵中第k行第i个元素值，a_ji为所述第二输出矩阵中第j行第i个元素值；

根据计算所述第一切片矩阵中两个行向量之间的欧式距离，获得第二中间矩阵其中db_kj为所述第一切片矩阵中第k行向量和第j行向量之间的欧式距离，b_ki为所述第一切片矩阵中第k行第i个元素值，b_ji为所述第一切片矩阵中第j行第i个元素值；

根据计算所述第二中间矩阵和第一中间矩阵的中间欧式距离

根据预设超参数和所述中间欧式距离计算获得所述第二输出矩阵和所述第一切片矩阵之间的欧式距离。

3.根据权利要求1所述的方法，其特征在于，所述根据所述欧式距离、所述第一交叉熵和所述第二交叉熵获得所述损失函数，包括：

将所述欧式距离、所述第一交叉熵和所述第二交叉熵之和作为所述损失函数。

4.根据权利要求1所述的方法，其特征在于，所述根据所述损失函数对所述深度神经网络中的参数进行优化，获得所述主网络对应的场景识别模型，包括：

根据所述损失函数对所述深度神经网络中的主网络和各子网络中的参数进行优化，并再次利用所述训练数据集对所述深度神经网络进行迭代训练，直到迭代次数达到预设次数为止，获得所述主网络对应的场景识别模型。

5.根据权利要求1所述的方法，其特征在于，所述根据所述训练数据集构建标签矩阵，包括：

对所述训练数据集中图像的场景类别进行标注，获得已标注场景图像，根据所述已标注场景图像构建所述标签矩阵。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述方法，还包括：

利用所述场景识别模型对待识别图像进行识别处理，获得所述待识别图像对应的场景类别。