[发明专利]图像处理方法及装置、电子设备及存储介质

说明书

本申请公开了一种图像处理方法及装置、电子设备及存储介质。该方法包括：获取比对模型、第一待比对图像和第二待比对图像；所述比对模型依据第一损失更新学生模型的参数得到；所述第一损失依据第一特征向量与第二特征向量的夹角得到；所述第一特征向量经教师模型提取训练数据中的第一待比对对象的特征得到，所述第二特征向量经所述学生模型提取所述第一待比对对象的特征得到；使用所述比对模型对所述第一待比对图像和所述第二待比对图像进行处理，得到所述第一待比对图像中的第二待比对对象和所述第二待比对图像中的第三待比对对象的相似度。

技术领域

本申请涉及机器学习技术领域，尤其涉及一种图像处理方法及装置、电子设备及存储介质。

背景技术

近年来，随着深度学习技术的发展，深度学习模型的性能愈发强大。但深度学习模型的性能强大也就意味着深度学习模型复杂，具体而言，深度学习模型的参数数量多和结构复杂。运行复杂的深度模型对硬件设备的硬件配置要求较高，如：需要大存储空间、高计算力。这给深度学习模型的应用带来了很多限制。

具体的，移动设备的硬件配置通常比非移动设备的硬件配置低，在非移动设备上可运行的深度学习模型(下文将非移动设备上可运行的深度学习模型称为教师模型)可能无法在移动设备上运行。由于移动设备的应用场景比非移动设备的应用场景多，如何在移动设备上运行高性能的深度学习模型具有非常重要的意义。

在目前的技术中，将教师模型的输出作为学生模型的监督信息对学生模型进行训练，可得到移动设备可运行的深度学习模型，其中，学生模型的参数比教师模型的参数少。移动设备使用得到的深度学习模型对两张图像进行处理，可得到这两张图像中的待比对对象的相似度，但相似度的准确度低。

发明内容

本申请提供一种图像处理方法及装置、电子设备及存储介质。

第一方面，提供了一种图像处理方法，所述方法包括：

获取比对模型、第一待比对图像和第二待比对图像；所述比对模型依据第一损失更新学生模型的参数得到；所述第一损失依据第一特征向量与第二特征向量的夹角得到；所述第一特征向量经教师模型提取训练数据中的第一待比对对象的特征得到，所述第二特征向量经所述学生模型提取所述第一待比对对象的特征得到；

使用所述比对模型对所述第一待比对图像和所述第二待比对图像进行处理，得到所述第一待比对图像中的第二待比对对象和所述第二待比对图像中的第三待比对对象的相似度。

在该方面，由于第一损失依据第一特征向量和第二特征向量之间的夹角得到，基于第一损失得到比对模型，可缩小比对模型的性能与教师模型的性能之间的差异，从而提升比对模型的性能。图像处理装置进而使用比对模型对第一待比对图像和第二待比对图像进行处理，得到第二待比对对象和第三待比对对象的相似度，可提高相似度的准确度。

结合本申请任一实施方式，所述图像处理方法应用于图像处理装置，所述图像处理装置包括摄像头，所述获取第一待比对图像和第二待比对图像，包括：

使用所述摄像头采集待识别人物的人脸图像作为所述第一待比对图像；

从所述图像处理装置的人脸图像库中获取人脸图像作为所述第二待比对图像；

所述方法还包括：

在所述相似度超过人脸相似度阈值的情况下，输出所述待识别人物解锁成功的信息。

在该种实施方式中，图像处理装置通过使用比对模型完成人脸解锁，可提高人脸解锁的成功率。

结合本申请任一实施方式，所述获取比对模型，包括：

获取所述训练数据、所述教师模型和所述学生模型；

使用所述教师模型对所述训练数据进行特征提取处理，得到所述第一特征向量；