[发明专利]图像处理模型的训练方法、图像相似度确定方法和装置

说明书

本公开提供了一种图像处理模型的训练方法、图像相似度确定方法和装置，可以应用于人工智能领域，具体可以应用于深度学习领域。该图像处理模型的训练方法包括：将样本图像中的第一图像输入特征提取网络，得到第一图像特征；将样本图像中的第二图像输入特征提取网络，得到第二图像特征；其中，第二图像包括指示第一图像和第二图像之间的实际相似度的标签；基于第一图像特征和第二图像特征，采用相似度确定网络，确定第一图像和第二图像的预测相似度；以及根据预测相似度和实际相似度，对图像处理模型进行训练。

技术领域

本公开涉及人工智能领域，具体涉及深度学习领域，更具体地涉及一种图像处理模型的训练方法和图像相似度确定方法、装置、电子设备、计算机可读存储介质、计算机程序产品。

背景技术

随着文字识别、图像识别等识别技术的发展，越来越多业务会采用识别技术来获取信息。但是在实际应用中，受识别精度的影响，识别到的结果可能存在错误，例如，将文字“上”识别为文字“土”。为了减少错误的识别结果造成的不良影响，需要对错误的结果进行纠正。

发明内容

鉴于上述问题，本公开提供了一种图像处理模型的训练方法和图像相似度确定方法、装置、电子设备、计算机可读存储介质、计算机程序产品。

根据本公开的一个方面，提供了一种图像处理模型的训练方法，其中，上述图像处理模型包括特征提取网络和相似度确定网络；上述方法包括：将样本图像中的第一图像输入上述特征提取网络，得到第一图像特征；将上述样本图像中的第二图像输入上述特征提取网络，得到第二图像特征；其中，上述第二图像包括指示上述第一图像和上述第二图像之间的实际相似度的标签；基于上述第一图像特征和上述第二图像特征，采用上述相似度确定网络，确定上述第一图像和上述第二图像之间的预测相似度；以及根据上述预测相似度和上述实际相似度，对上述图像处理模型进行训练。

根据本公开的实施例，上述基于上述第一图像特征和上述第二图像特征，采用上述相似度确定网络，确定上述第一图像和上述第二图像之间的预测相似度，包括：根据上述第一图像特征与上述第二图像特征的点乘结果，确定上述预测相似度。

根据本公开的实施例，上述第二图像包括多个子图像；上述第二图像特征包括上述多个子图像中每个子图像的子图像特征；上述根据上述第一图像特征与上述第二图像特征的点乘结果，确定上述预测相似度包括：根据上述第一图像特征与上述每个子图像的子图像特征的点乘结果，确定上述第一图像与上述每个子图像之间的预测相似度。

根据本公开的实施例，上述根据上述第一图像特征与上述第二图像特征的点乘结果，确定上述预测相似度，包括：采用点乘运算确定上述第一图像特征与上述第二图像特征之间的距离特征；以及对上述距离特征进行扁平化处理，得到上述预测相似度。

根据本公开的实施例，上述第一图像包括目标字符；上述第二图像包括多个子图像，上述多个子图像中的一部分图像包括与上述目标字符相似的第一字符，上述多个子图像中的另一部分图像包括与上述目标字符不相似的第二字符。

根据本公开的实施例，该方法还包括：在模板图像上添加上述目标字符，得到上述第一图像；获取上述目标字符的至少一个相似字符，并在上述模板图像上分别添加上述至少一个相似字符，得到上述一部分图像；以及从预定字库中获取与上述目标字符不相似的至少一个字符，并在上述模板图像上分别添加上述至少一个字符，得到上述另一部分图像。

根据本公开的另一个方面，提供了一种图像相似度确定方法，包括：将多个待识别图像输入图像处理模型中的特征提取网络，得到第一特征矩阵；将上述第一特征矩阵与上述第一特征矩阵的转置矩阵进行点乘运算，得到距离矩阵；以及基于上述距离矩阵，确定上述多个待识别图像彼此之间的相似度；其中，上述图像处理模型为采用上年数任意一种图像处理模型的训练方法训练得到的。