[发明专利]一种图像处理方法以及相关设备

说明书

本申请实施例公开一种图像处理方法以及相关设备，该方法可用于人工智能领域的图像处理领域中，方法可以包括：获取第一待处理图像，以及第一数据分布特性，第一数据分布特性包括与第一图像集合中图像对应的特征图的数据分布特性，第一待处理图像与第一图像集合的数据分布规律相同；对第一待处理图像进行特征提取，并根据第一数据分布特性，在进行特征提取过程中对第一特征图进行数据分布对齐，第一特征图为对第一待处理图像进行特征提取过程中生成的，执行过数据分布对齐后的特征图有着相似的数据分布，利用第一数据分布特性进行数据分布对齐，大跨度的将第一特征图的数据分布向神经网络的敏感数据区域拉近，提升对跨场景图像的特征提取性能。

技术领域

本申请涉及人工智能领域，尤其涉及一种图像处理方法以及相关设备。

背景技术

人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。利用人工智能进行图像处理是人工智能常见的一个应用方式。

目前，广泛存在的数据域鸿沟问题，导致图像特征提取的泛化能力非常低，训练好的神经网络只能在与训练数据相同场景的应用数据上部署，否则其性能非常差甚至无法使用。

因此，一种提升神经网络在跨场景的特征提取性能的方案亟待推出。

发明内容

本申请实施例提供了一种图像处理方法以及相关设备，利用第一数据分布特性对待处理图像的特征图进行数据分布对齐，第一数据分布特性为对根据与待处理图像的数据分布规律相同的图像集合中图像的特征图进行数据分布统计得到的，因此保证神经网络处理的图像都有着相似的数据分布，且可以大跨度的将第一待处理图像的特征图的数据分布向神经网络的敏感数据区域拉近，降低了神经网络的图像处理难度，进一步提升神经网络在跨场景的特征提取性能。

为解决上述技术问题，本申请实施例提供以下技术方案：

第一方面，本申请实施例提供一种图像处理方法，可用于人工智能领域的图像处理领域。执行设备获取第一待处理图像，以及，获取与第一待处理图像对应的第一数据分布特性。其中，第一待处理图像与第一图像集合的数据分布规律相同；第一数据分布特性包括与第一图像集合中图像对应的特征图的数据分布特性，其中包括与第一图像集合中图像对应的特征图在至少一个特征维度的数据分布特性，所述至少一个特征维度可以包括颜色特征、纹理特征、亮度特征和分辨率特征；进一步地，第一数据分布特性是通过对与第一图像集合中图像对应的特征图的数据分布进行统计获得的；更进一步地，第一数据分布特性是根据第一图像集合中的部分图像或全部图像的特征图得到的。之后执行设备对第一待处理图像进行特征提取，并根据第一数据分布特性，在进行特征提取过程中对第一特征图进行数据分布对齐。其中，第一特征图为对第一待处理图像进行特征提取过程中生成的，第一特征图包括在所述至少一个特征维度上的特征图；对第一特征图进行数据分布对齐的过程是将第一特征图的数据分布向非线性函数的敏感值区域拉拢的过程，方法是减弱第一特征图的数据分布中携带的第一数据分布特性。本实现方式中，由于神经网络处理的是执行过数据分布对齐后的特征图，因此保证神经网络处理的特征图都有着相似的数据分布，以提高跨场景的不同图像的特征图之间的相似度，从而降低神经网络的图像处理难度，以提高神经网络在跨场景的特征提取性能；此外，第一数据分布特性是与第一图像集合中图像对应的特征图的数据分布特性，而第一图像集合中的图像与第一待处理图像的数据分布规律相同，利用第一数据分布特性进行数据分布对齐，可以大跨度的将第一待处理图像的特征图的数据分布向神经网络的敏感数据区域拉近，进一步降低神经网络的图像处理难度，进一步提升神经网络在跨场景的特征提取性能。