[发明专利]一种图像处理方法、装置及存储介质

说明书

本申请实施例提供了一种图像处理方法、装置及存储介质，其中，该方法包括：获取第一预测模型的预测结果集合；所述预测结果集合包括针对至少一个待预测图像数据中每个待预测图像数据的预测结果；根据所述预测结果集合，从所述至少一个待预测图像数据中确定出预测异常的训练数据；利用所述训练数据以及所述训练数据的正确标记结果信息对预设模型进行训练，得到第二预测模型；利用所述第二预测模型对第一待预测图像数据进行预测，得到对所述第一待预测图像数据的预测结果。采用本申请，可以有效地提升模型的预测精度。

技术领域

本申请涉及计算机技术领域，尤其涉及一种图像处理方法、装置及存储介质。

背景技术

随着人工智能的普及，深度学习技术作为实现人工智能的一种必然途径，成为备受关注的研究领域。在将深度学习技术应用于目标检测时，需要使用大量图像数据来进行模型训练，从而对待预测图像数据进行预测。这些用于模型训练的图像数据往往需要人工耗费较长时间去搜集和整理。然而，在实际应用过程，我们不难发现，采用该种方式训练得到的模型的预测精度始终是有限的，并且难以提升。

发明内容

本申请实施例提供了一种图像处理方法、装置及存储介质，可以将待预测图像数据用于模型训练，进而有效地提升模型的预测精度。

第一方面，本申请实施例提供了一种图像处理方法，包括：

获取第一预测模型的预测结果集合；所述预测结果集合包括针对至少一个待预测图像数据中每个待预测图像数据的预测结果；

根据所述预测结果集合，从所述至少一个待预测图像数据中确定出预测异常的训练数据；

利用所述训练数据以及所述训练数据的正确标记结果信息对预设模型进行训练，得到第二预测模型；

利用所述第二预测模型对第一待预测图像数据进行预测，得到对所述第一待预测图像数据的预测结果。

可选地，所述方法还包括：

从所述至少一个待预测图像数据中确定出预测正常的目标训练数据；

将所述预测正常的目标训练数据和所述预测异常的训练数据添加至指定数据集；

所述利用所述训练数据以及所述训练数据的正确标记结果信息对预设模型进行训练，得到第二预测模型，包括：

利用所述指定数据集中各个图像数据以及所述各个图像数据的正确标记结果信息对预设模型进行训练，得到第二预测模型。

可选地，所述利用所述指定数据集中各个图像数据以及所述各个图像数据的正确标记结果信息对预设模型进行训练，得到第二预测模型前，所述方法还包括：

若所述指定数据集包括的图像数据的数量小于第一数量，则采用数据增强的方法增加所述指定数据集包括的图像数据的数量；

在所述指定数据集包括的图像数据的数量大于或等于第一数量后，执行所述利用所述指定数据集中各个图像数据以及所述各个图像数据的正确标记结果信息对预设模型进行训练，得到第二预测模型的步骤。

可选地，所述利用所述指定数据集中各个图像数据以及所述各个图像数据的正确标记结果信息对预设模型进行训练，得到第二预测模型前，所述方法还包括：

当所述指定数据集包括的目标类别的图像数据的数量小于除目标类别之外的其它类别的图像数据的数量时，采用数据增强的方法增加所述目标类别的图像数据的数量；

在所述目标类别的图像数据的数量大于或等于第二数量后，执行所述利用所述指定数据集中各个图像数据以及所述各个图像数据的正确标记结果信息对预设模型进行训练，得到第二预测模型的步骤。

可选地，所述根据所述预测结果集合，从所述至少一个待预测图像数据中确定出预测异常的训练数据，包括：