[发明专利]图像处理方法、图像处理模型的构建和训练方法

权利要求书

1.一种图像处理方法，包括：

获得目标图像；

基于所述目标图像，获得与所述目标图像对应的按顺序排列的第一数量的第一维度的初始向量；

将所述第一数量的第一维度的初始向量输入第一动态向量模块，所述第一动态向量模块包括由至少两个参数构成的所述第一维度的第一参数向量，所述第一动态向量模块根据输入的所述第一数量的第一维度的初始向量，确定所述第一参数向量中的各个参数；

根据所述第一参数向量对所述第一数量的第一维度的初始向量进行处理，得到第二数量的所述第一维度的第一更新向量，所述第二数量大于所述第一数量；

对所述第二数量的所述第一维度的第一更新向量进行特征提取，以获得第一特征；以及

基于所述第一特征，获得所述目标图像的分类结果，所述分类结果指示所述目标图像对应于多个类别中的第一类别。

2.根据权利要求1所述的方法，其中，

所述第一动态向量模块是采用第一训练图像训练第一网络获得的，所述第一网络包括经训练的第一特征提取层和所述第一动态向量模块，所述第一特征提取层是采用第二训练图像训练获得的，所述第一训练图像不同于所述第二训练图像，并且在训练所述第一网络的过程中调整所述第一动态向量模块的参数而不调整所述第一特征提取层的参数。

3.根据权利要求2所述的方法，其中，所述对所述第二数量的所述第一维度的第一更新向量进行特征提取包括：

将所述第二数量的所述第一维度的第一更新向量输入所述第一特征提取层，以获得所述第一特征。

4.根据权利要求3所述的方法，其中，所述第一特征提取层包括编解码器；

所述将所述第二数量的所述第一维度的第一更新向量输入所述第一特征提取层，以获得所述第一特征包括：

将所述第二数量的所述第一维度的第一更新向量输入所述编解码器进行编码和解码，以获得所述第一特征。

5.根据权利要求3所述的方法，其中，所述第一特征提取层包括编解码器和第一初始动态向量模块；

所述将所述第二数量的所述第一维度的第一更新向量输入所述第一特征提取层，以获得所述第一特征包括：

通过将所述第二数量的所述第一维度的第一更新向量输入第一初始动态向量模块，根据第一初始参数向量对所述第二数量的所述第一维度的第一更新向量进行处理，得到第三数量的所述第一维度的第一初始更新向量；所述第一初始动态向量模块包括由至少两个参数构成的所述第一维度的所述第一初始参数向量；以及

通过所述编解码器对所述第三数量的所述第一维度的第一初始更新向量进行编码和解码，以获得所述第一特征。

6.根据权利要求3所述的方法，其中，所述第一训练图像和所述第二训练图像均对应于所述多个类别中的一个类别。

7.根据权利要求3所述的方法，其中，所述第一训练图像对应于所述多个类别中的一个类别，所述第二训练图像对应于其他多个类别中的一个类别。

8.根据权利要求2所述的方法，其中，所述第一动态向量模块还包括第一掩码模块，所述根据第一参数向量对所述第一数量的第一维度的初始向量进行处理，得到所述第二数量的所述第一维度的第一更新向量包括：

利用所述第一掩码模块对所述第一参数向量进行处理，以获得所述第一参数向量或者所述第一维度的零向量；以及

对所述第一掩码模块所获得的向量和所述第一数量的第一维度的初始向量进行融合，以获得所述第二数量的所述第一维度的第一更新向量。

9.根据权利要求2所述的方法，其中，所述第一特征为所述第二数量的所述第一维度的第一特征向量；

所述基于所述第一特征，获得所述目标图像的分类结果包括：

对所述第二数量的所述第一维度的第一特征向量进行处理，以获得所述第二数量的所述第一维度的第二更新向量；以及

基于所述第二数量的所述第一维度的第二更新向量，获得所述分类结果。