[发明专利]图像数据的处理和识别、图像识别模型训练的方法及装置

权利要求书

1.一种用于图像数据处理的方法，包括：

对图像数据进行基于频域变换的数据脱敏处理，以得到所述图像数据的脱敏图像数据，所述脱敏图像数据包括子图数据集合，所述子图数据集合中的每个子图数据对应不同频率；以及

对所得到的脱敏图像数据中的子图数据进行基于数据增强的图像混合处理，以得到经过数据增强后的脱敏图像数据。

2.如权利要求1所述的方法，其中，所述数据增强包括下述数据增强中的一种：

Mixup数据增强；和

Instahide数据增强。

3.如权利要求2所述的方法，其中，所述数据增强包括Mixup数据增强，用于混合处理的图像个数为k，以及混合图像的最大权重系数为W_max，

对所得到的脱敏图像数据中的子图数据进行基于数据增强的图像混合处理包括：

对所述脱敏图像数据的子图数据集合进行k-1次打乱处理，以得到k个子图数据集合；

基于所得到的k个子图数据集合，构建大小为m*k的图像超矩阵，所述图像超矩阵中的第一列对应原始子图数据集合，以及m为原始子图数据集合中的子图数据的个数；

为所述图像超矩阵中的每个图像随机生成权重系数；

对所述图像超矩阵中的图像的权重系数进行行归一化，使得每行图像的权重系数的和为1，并且每个图像的权重系数不大于W_max；以及

对所述图像超矩阵的每行图像进行加权求和，得到大小为m*1的混合图像超矩阵，所述混合图像超矩阵中的图像为经过数据增强后的脱敏图像数据。

4.如权利要求3所述的方法，其中，所述W_max的取值为0.55，以及所述k的取值为3。

5.如权利要求1所述的方法，还包括：

对经过数据增强后的脱敏图像数据中的每个子图数据进行图大小对齐处理，以使得经过图大小对齐处理后的每个子图数据的大小与原始图像数据的大小相同。

6.如权利要求1所述的方法，其中，对图像数据进行基于频域变换的数据脱敏处理包括：

对所述图像数据进行局部频域变换处理，以得到至少一个特征图，每个特征图包括多个元素并且对应所述图像数据中的一个数据块，每个元素对应频域中的一个频率；

分别使用所述至少一个特征图中的各个频率所对应的元素，构建各个频率所对应的频率分量通道特征图；以及

从所构建的频率分量通道特征图中筛选出至少一个目标频率分量通道特征图，以得到所述图像数据的脱敏图像数据，所筛选出的目标频率分量通道特征图是图像识别的关键通道特征。

7.如权利要求6所述的方法，其中，在从所构建的频率分量通道特征图中筛选出至少一个目标频率分量通道特征图后，所述方法还包括：

对所述目标频率分量通道特征图进行第一次洗牌处理，以得到第一洗牌特征图；以及

对所述第一洗牌特征图进行归一化处理，得到所述图像数据的脱敏图像数据。

8.如权利要求6所述的方法，其中，从所构建的频率分量通道特征图中筛选出至少一个目标频率分量通道特征图包括：

基于通道重要性或者基于预设筛选规则，从所构建的频率分量通道特征图中筛选出至少一个目标频率分量通道特征图。

9.如权利要求7所述的方法，其中，在对所述第一洗牌特征图进行归一化处理后，所述方法还包括：

对经过归一化处理后的第一洗牌特征图进行通道混合处理；

对经过通道混合处理后的第一洗牌特征图进行第二次洗牌处理，以得到第二洗牌特征图；以及

对所述第二洗牌特征图进行归一化处理，以得到所述图像数据的脱敏图像数据。

10.如权利要求9所述的方法，其中，所述目标频率分量通道特征图的数目为所述第一特征数据的特征维度加一，

对所述第一洗牌特征图进行通道混合处理包括：

对所述第一洗牌特征图中的两个相邻频率分量通道特征图进行通道混合。