[发明专利]图像处理方法、神经网络的训练方法、装置、设备和介质

权利要求书

1.一种图像处理方法，包括：

将源域图像和目标域图像输入匹配特征提取网络，以提取所述源域图像的匹配特征和所述目标域图像的匹配特征，

其中，所述源域图像的匹配特征和所述目标域图像的匹配特征为所述源域图像和所述目标域图像中的互相匹配的特征，所述互相匹配的特征是根据相似度计算确定的具有相似度的特征，所述源域图像为基于预定物体姿态参数进行渲染而生成的仿真图像，所述源域图像具有包括物理姿态参数的注释信息，所述目标域图像为真实拍摄且包括以多个姿态摆放的多个物体的真实图像；以及

提供所述源域图像的匹配特征，

其中，所述匹配特征提取网络是通过包括如下步骤的训练过程得到的：

将源域图像样本和目标域图像样本输入所述匹配特征提取网络，以提取所述源域图像样本的匹配特征和所述目标域图像样本的匹配特征；

将所述源域图像样本的匹配特征输入判别器网络，以计算所述源域图像样本的匹配特征的判别结果，并且，将所述目标域图像样本的匹配特征输入所述判别器网络，以计算所述目标域图像样本的匹配特征的判别结果；

基于所述目标域图像样本的匹配特征的判别结果，计算第一损失值，并且，基于所述第一损失值调整所述匹配特征提取网络的参数；

基于所述源域图像样本的匹配特征的判别结果和所述目标域图像样本的匹配特征的判别结果，计算第二损失值，并且，基于所述第二损失值调整所述判别器网络的参数；以及

响应于确定所述第一损失值和所述第二损失值符合预设条件，结束所述训练过程，并且

响应于确定所述第一损失值和所述第二损失值不符合预设条件，获取下一张源域图像样本和下一张目标域图像样本，并重复上述训练步骤。

2.如权利要求1所述的图像处理方法，其中，所述匹配特征提取网络包括源域特征提取网络、目标域特征提取网络和匹配特征识别网络，所述将所述源域图像和所述目标域图像输入所述匹配特征提取网络，以提取所述源域图像的匹配特征和所述目标域图像的匹配特征包括：

将所述源域图像输入所述源域特征提取网络，以提取源域图像特征；

将所述目标域图像输入所述目标域特征提取网络，以提取目标域图像特征；以及

将所述源域图像特征和所述目标域图像特征输入所述匹配特征识别网络，以提取所述源域图像的匹配特征和所述目标域图像的匹配特征，

其中，所述源域特征提取网络和所述目标域特征提取网络的结构和参数均相同，所述源域图像和所述目标域图像的图像数量相同。

3.如权利要求2所述的图像处理方法，其中，所述匹配特征识别网络包括相似度评估网络，所述将所述源域图像特征和所述目标域图像特征输入所述匹配特征识别网络，以提取所述源域图像的匹配特征和所述目标域图像的匹配特征包括：

通过在通道方向上堆叠所述源域图像特征和所述目标域图像特征来对所述源域图像特征和所述目标域图像特征进行通道堆叠，以得到综合图像特征；

将所述综合图像特征输入所述相似度评估网络，以得到所述源域图像和所述目标域图像中的匹配特征分布；

对所述源域图像和所述目标域图像中的匹配特征分布进行通道拆分，以得到所述源域图像的匹配特征分布和所述目标域图像的匹配特征分布；

将所述源域图像的匹配特征分布乘以所述源域图像特征，以得到所述源域图像的匹配特征；以及

将所述目标域图像的匹配特征分布乘以所述目标域图像特征，以得到所述目标域图像的匹配特征。

4.根据权利要求1所述的图像处理方法，其中，所述基于所述目标域图像样本的匹配特征的判别结果，计算第一损失值包括：

根据公式，计算第一损失值，

其中，L₁为第一损失值，O_t^ij为第i张目标域图像样本的匹配特征的判别结果的第j个元素，其中，N为所述目标域图像样本的图像数量，N_p为每张目标域图像样本中的元素数量。