[发明专利]图像处理模型训练、图像处理方法、装置和计算机设备

说明书

本申请涉及一种图像处理模型训练方法、装置、计算机设备和存储介质。所述方法包括：将训练图像集输入到初始图像处理训练模型中进行训练，得到更新图像处理训练模型；计算更新主分支网络中网络通道的激活程度筛选得到待更新网络通道；计算更新辅助分支网络中网络通道的激活程度筛选得到参考网络通道；基于参考网络通道和待更新网络通道对待更新网络通道进行更新，得到待更新网络通道的更新参数，基于待更新网络通道的更新参数得到目标更新图像处理训练模型并迭代执行，直到达到训练完成条件时，得到目标图像处理模型，目标图像处理模型用于对输入图像进行图像特征提取。采用本方法能够提高图像特征提取的准确性。

技术领域

本申请涉及计算机技术领域，特别是涉及一种图像处理模型训练、图像处理方法、装置、计算机设备和存储介质。

背景技术

随着图像处理技术的发展，出现了图像特征提取技术，图像特征提取技术通过将图像进行特征提取，得到能够表征图像的向量。通常通过人工智能模型来进行图像特征提取。然而，目前的人工智能模型在提取图像特征时，提取得到的图像特征可能存在大量特征值接近0，即多个特征维度无有效特征，使图像特征在多个特征维度上对描述图像信息的作用比较低下，从而使得到的图像特征的信息丰富度低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高图像特征信息丰富度的图像处理模型训练、图像处理方法、装置、计算机设备和存储介质。

一种图像处理模型训练方法，所述方法包括：

获取训练图像集；

将训练图像集输入到初始图像处理训练模型中进行训练，得到更新图像处理训练模型，更新图像处理训练模型包括更新主分支网络和更新辅助分支网络；

计算更新主分支网络中网络通道的主分支激活程度，基于主分支激活程度从更新主分支网络的网络通道中筛选得到待更新网络通道；

计算更新辅助分支网络中网络通道的辅助分支激活程度，基于辅助分支激活程度从更新辅助分支网络中网络通道中筛选得到参考网络通道；

基于参考网络通道的参数对待更新网络通道的参数进行更新，得到待更新网络通道的更新参数，基于待更新网络通道的更新参数得到目标更新主分支网络，基于目标更新主分支网络得到目标更新图像处理训练模型；

将目标更新图像处理训练模型作为初始图像处理训练模型，并返回将训练图像集输入到初始图像处理训练模型中进行训练，得到更新图像处理训练模型的步骤迭代执行，直到达到训练完成条件时，得到目标图像处理训练模型，基于目标图像处理训练模型中的主分支网络得到目标图像处理模型，目标图像处理模型用于对输入图像进行图像特征提取。

在其中一个实施例中，所述将所述训练图像集输入到初始图像处理训练模型中进行训练，得到更新图像处理训练模型，包括：

将所述训练图像集输入到初始图像处理训练模型中，所述初始图像处理训练模型通过初始主分支网络和初始辅助分支网络进行图像特征提取，得到所述训练图像集对应的初始主特征集和初始辅助特征集；

基于所述训练图像集对应的初始主特征集和初始辅助特征集进行损失计算，得到初始图像损失信息；

基于所述初始图像损失信息更新所述初始图像处理训练模型的参数，得到更新图像处理训练模型。

在其中一个实施例中，所述初始图像处理训练模型还包括初始深度特征提取网络和初始特征映射网络；

所述将所述训练图像集输入到初始图像处理训练模型中，所述初始图像处理训练模型通过初始主分支网络和初始辅助分支网络进行图像特征提取，得到所述训练图像集对应的初始主特征集和初始辅助特征集，包括：