[发明专利]图像处理方法及装置、电子设备和存储介质

说明书

本公开涉及一种图像处理方法及装置、电子设备和存储介质，所述方法包括：对当前聚类周期获取的多个第一图像进行特征提取处理，获得第一图像的第一特征；对第一特征进行聚类处理，获得各第一图像的类别以及各类别的第一聚类中心；分别确定各第一聚类中心和参考特征库中各类别的第二聚类中心之间的第一特征相似度；将第一特征相似度满足阈值条件的第一聚类中心所属类别的第一特征添加至所述参考特征库。根据本公开的实施例的图像处理方法，可将满足阈值条件的第一特征添加至参考特征库，无需对所有图像加载至内存中进行聚类处理，使内存能够进行数据规模较小的聚类处理，并且可自动区分各第一图像的类别，减小了标注的工作量。

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种图像处理方法及装置、电子设备和存储介质。

背景技术

基于深度学习的技术已广泛应用于安防监控，智能客服，无人驾驶等各个方面，现有的深度学习都需要大量的标注的数据进行训练，才能取得更好的性能。然而，标注数据即手动区分图像的类别，需要耗费大量人力和物力，同时对于百万量级的数据，依靠人工进行标注则变得非常的耗时和不现实。在相关技术中，可通过聚类的方式确定样本的类别，但对于数据规模较大的情况，是无法将全部数据加载到内存中的，因而无法直接将现有的聚类方法直接应用于实际使用中。

发明内容

本公开提出了一种图像处理方法及装置、电子设备和存储介质。

根据本公开的一方面，提供了一种图像处理方法，包括：

对当前聚类周期获取的多个第一图像进行特征提取处理，获得所述第一图像的第一特征；

对所述第一特征进行聚类处理，获得各所述第一图像的类别以及各类别的第一聚类中心；

分别确定各所述第一聚类中心和参考特征库中各类别的第二聚类中心之间的第一特征相似度；

将所述第一特征相似度满足阈值条件的第一聚类中心所属类别的第一特征添加至所述参考特征库。

根据本公开的实施例的图像处理方法，可对当前聚类周期获取的第一图像的第一特征进行聚类处理，并将满足阈值条件的第一特征添加至参考特征库，无需对所有图像加载至内存中进行聚类处理，使内存能够进行数据规模较小的聚类处理，便于实际使用，并且可自动区分各第一图像的类别，减小标注工作量，减小人力和和物力消耗。

在一种可能的实现方式中，所述阈值条件包括第一特征相似度大于或等于预设相似度阈值，

其中，将所述第一特征相似度满足阈值条件的第一聚类中心所属类别的第一特征添加至参考特征库，包括：

在所述第二聚类中心中存在与第一目标聚类中心的第一特征相似度大于或等于预设相似度阈值的第二目标聚类中心的情况下，将所述第一目标聚类中心所属类别的第一特征添加至参考特征库，并将添加至参考特征库中的第一特征的类别确定为所述第二目标聚类中心所属的类别，其中，所述第一目标聚类中心为所述第一聚类中心中的任意一个。

通过这种方式，可在每个聚类周期中对新获得的第一特征进行聚类，无需将所有第一特征加载至内存或磁盘中进行聚类处理，提高了聚类处理的效率和实用性。且可确定第一聚类中心和参考特征库中的第二聚类中心的第一特征相似度，无需分别计算每个第一特征与参考特征库中的特征之间的特征相似度，减少了运算量，提高了处理效率。

在一种可能的实现方式中，所述方法还包括：

在所述第二聚类中心中不存在与第一目标聚类中心的第一特征相似度大于或等于预设相似度阈值的第二目标聚类中心，且所述第一目标聚类中心所属类别的第一特征的数量满足数量条件的情况下，将所述第一目标聚类中心所属类别的第一特征添加至参考特征库，并将第一目标聚类中心确定为参考特征库中的第二聚类中心。

在一种可能的实现方式中，对所述第一特征进行聚类处理，获得各所述第一图像的类别以及各类别的第一聚类中心，包括：