[发明专利]图像处理方法、装置和存储介质在审

专利信息
申请号: 201910345632.4 申请日: 2019-04-26
公开(公告)号: CN110059807A 公开(公告)日: 2019-07-26
发明(设计)人: 牟帅;肖万鹏 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06N3/04 分类号: G06N3/04;G06N3/08;G06K9/62
代理公司: 北京派特恩知识产权代理有限公司 11270 代理人: 崔晓岚;张颖玲
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 样本图像 语义特征 图像 图库 神经网络模型 存储介质 目标语义 图像处理 语义标签 检索图像 图像检索 准确率 聚类 检索
【权利要求书】:

1.一种图像处理方法,其特征在于,所述方法包括:

通过第一神经网络模型从样本图像中提取对应的语义特征;

对从所述样本图像中提取的语义特征进行聚类,得到所述样本图像对应的语义标签;

通过所述样本图像以及对应的语义标签训练第二神经网络模型;

通过所述第二神经网络模型,从第一图库中的第一图像、以及第二图库中的第二图像中提取对应的语义特征;

根据从所述第一图像以及所述第二图像中提取的语义特征,确定用于将所述第一图像与所述第二图库进行区分的目标语义距离;

根据所述目标语义距离从所述第一图库中检索与接收的待检索图像相同的第一图像。

2.根据权利要求1所述的方法,其特征在于,所述根据从所述第一图像以及所述第二图像中提取的语义特征,确定用于将所述第一图像与所述第二图库进行区分的目标语义距离,包括:

确定所述第一图像的语义特征与所述第二图库中第二图像的语义特征之间的语义距离,并进行语义距离的排序;其中,所述第一图像的语义特征与所述第二图像的语义特征不相关;

确定在所述排序中处于设定次序的语义距离为将所述第一图像与所述第二图库在整体上进行区分的目标语义距离。

3.根据权利要求2所述的方法,其特征在于,所述方法还包括:

确定所述第一图像与所述第二图库的目标区分程度;

根据所述目标区分程度确定所述设定次序;其中,当所述排序为升序时,所述目标区分程度与所述设定次序正相关。

4.根据权利要求1所述的方法,其特征在于,所述根据所述目标语义距离从所述第一图库中检索与接收的待检索图像相同的第一图像,包括:

确定接收的待检索图像与所述第一图库中第一图像之间的语义距离;

当所述语义距离小于所述第一图像的目标语义距离时,将相应的第一图像识别为所述待检索图像对应的检索结果。

5.根据权利要求1所述的方法,其特征在于,所述对从所述样本图像中提取的语义特征进行聚类,得到所述样本图像对应的语义标签,包括:

将从所述样本图像中提取的语义特征映射到特征空间;

根据所述样本图像的语义特征与所述特征空间中不同聚类中心之间的距离,将所述样本图像的语义特征划分到对应不同聚类中心的集合;

对相同聚类中心的集合中的语义特征对应的样本图像统一分配相应的语义标签。

6.根据权利要求1所述的方法,其特征在于,所述通过所述样本图像以及对应的语义标签训练第二神经网络模型,包括:

根据所述样本图像以及对应的语义标签,对所述第二神经网络模型的参数进行更新,直到所述第二神经网络模型的损失函数收敛;其中,所述第一神经网络模型的复杂度大于所述第二神经网络模型的复杂度。

7.一种图像处理方法,其特征在于,所述方法包括:

将第一图库中第一图像与第二图库中第二图像之间的语义距离进行比较,以确定用于将所述第一图像与所述第二图库进行区分的目标语义距离;

根据所述目标语义距离从所述第一图库中检索与接收的待检索图像相同的第一图像;

输出对应所述待检索图像的检索结果。

8.一种图像处理装置,其特征在于,所述装置包括:

第一提取单元,用于通过第一神经网络模型从样本图像中提取对应的语义特征;

聚类单元,用于对从所述样本图像中提取的语义特征进行聚类,得到所述样本图像对应的语义标签;

训练单元,用于通过所述样本图像以及对应的语义标签训练第二神经网络模型;

第二提取单元,用于通过所述第二神经网络模型,从第一图库中的第一图像、以及从第二图库中的第二图像中提取对应的语义特征;

区分单元,用于根据从所述第一图像以及所述第二图像中提取的语义特征,确定用于将所述第一图像与所述第二图库进行区分的目标语义距离;

检索单元,用于根据所述目标语义距离从所述第一图库中检索与接收的待检索图像相同的第一图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910345632.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top