[发明专利]一种模型训练以及图像处理方法及装置

权利要求书

1.一种模型训练方法，其特征在于，待训练的识别模型至少包含第一特征提取层、超分辨率网络层、第二特征提取层以及识别网络层；其中，所述超分辨率网络层包含第四特征提取层、非线性映射层以及图像重构层；

所述方法包括：

获取若干张高分辨率的第一图像及其对应的低分辨率的第二图像，所述第一图像中包含目标物体；

根据确定出的各第二图像，确定各训练样本，并根据各第二图像对应的第一图像，确定各训练样本的第一标注，以及根据各第二图像中包含的目标物体的属性，确定各训练样本的第二标注；

针对每个训练样本，将该训练样本分别输入所述第一特征提取层，确定输出的低分辨率特征，以及输入所述超分辨率网络层，确定所述第四特征提取层输出的分辨率转化特征，并基于所述分辨率转化特征通过所述非线性映射层以及所述图像重构层确定输出高分辨率的第三图像；

将所述第三图像输入所述第二特征提取层，确定输出的高分辨率特征；

将确定出的低分辨率特征、分辨率转化特征以及高分辨率特征输入所述识别网络层，确定输出的识别结果；

根据通过所述第三图像以及该训练样本的第一标注确定出的第一损失，以及通过所述识别结果以及该训练样本的第二标注确定出的第二损失，确定最终损失，并以最小化所述最终损失为目标，调整所述待训练的识别模型中的模型参数，所述识别模型用于根据低分辨率图像确定识别结果。

2.如权利要求1所述的方法，其特征在于，所述识别模型还包含第三特征提取层；

将确定出的低分辨率特征、分辨率转化特征以及高分辨率特征输入所述识别网络层，具体包括：

将所述分辨率转化特征输入所述第三特征提取层，确定输出的转化深层特征；

将确定出的低分辨率特征、高分辨率特征以及转化深层特征输入所述识别网络层。

3.如权利要求1所述的方法，其特征在于，所述识别模型还包含特征融合层；

将确定出的低分辨率特征、分辨率转化特征以及高分辨率特征输入所述识别网络层，具体包括：

将确定出的低分辨率特征、分辨率转化特征以及高分辨率特征输入所述特征融合层，确定输出的融合特征；

将确定出的融合特征输入所述识别网络层。

4.如权利要求2所述的方法，其特征在于，所述识别模型还包含特征融合层；

将确定出的低分辨率特征、高分辨率特征以及转化深层特征输入所述识别网络层，具体包括：

将确定出的低分辨率特征、高分辨率特征以及转化深层特征输入所述特征融合层，确定输出的融合特征；

将确定出的融合特征输入所述识别网络层。

5.一种图像处理方法，其特征在于，包括：

接收终端发送的待识别的目标图像，所述目标图像中包含目标物体；

将所述待识别的目标图像分别输入预先训练的识别模型的第一特征提取层，确定输出的低分辨率特征，以及输入所述识别模型的超分辨率网络层，确定第四特征提取层输出的分辨率转化特征，并基于所述分辨率转化特征通过非线性映射层以及图像重构层确定输出的高分辨率的第三图像；其中，所述超分辨率网络层包含第四特征提取层、非线性映射层以及图像重构层；

将所述第三图像输入所述识别模型的第二特征提取层，确定输出的高分辨率特征；

将确定出的低分辨率特征、分辨率转化特征以及高分辨率特征输入所述识别模型的识别网络层中，确定输出的识别结果。