【技術實現步驟摘要】
本專利技術涉及圖像處理領域，特別涉及一種圖像處理模型的訓練方法、圖像處理方法、電子設備及介質。
技術介紹
1、在圖像處理識別過程中，可以根據輸入的圖片輸出目標特征的位置和屬性標簽。在相關技術中，圖像識別過程中的目標定位和屬性分類是由兩個模型實現的。首先利用目標檢測模型將目標物體在圖片中的位置定位，再將目標區域剪裁出來輸入到屬性分類模型中，執行做單任務或多任務的屬性分類。這種方法的成本較高且精度較低。
技術實現思路
1、本申請提供了一種圖像處理模型的訓練方法、圖像處理方法、電子設備及介質，可以降低圖像識別的成本。
2、本申請的第一方面公開了一種圖像處理模型的訓練方法，用于電子設備，所述方法包括，接收圖像樣本及對應的標簽，所述標簽包括目標定位標簽和屬性分類標簽；將所述圖像樣本和所述標簽輸入至預先構建的圖像處理模型，其中所述預先構建的圖像處理模型的預測頭包括預測目標定位的預測分支和多個并列的預測屬性的預測分支；根據所述目標定位標簽、所述屬性分類標簽、所述預測目標定位的預測分支、和所述多個并列的預測屬性的預測分支對所述預先構建的圖像處理模型訓練，得到訓練后的圖像處理模型。
3、在上述第一方面的一種可能的實現中，所述預測分支為卷積層。
4、在上述第一方面的一種可能的實現中，所述預測分支為全連接層。
5、在上述第一方面的一種可能的實現中，所述圖像樣本包括正樣本和負樣本，其中所述正樣本的標簽由人工標注獲取。
6、在上述第一方面的一種可能
7、在上述第一方面的一種可能的實現中，所述預先構建的圖像處理模型包括單階段ssd、雙階段faster-rcnn、mask-rcnn和yolov5中的至少一種。
8、在上述第一方面的一種可能的實現中，所述目標定位標簽包括目標在圖像中的位置。
9、在上述第一方面的一種可能的實現中，所述屬性分類標簽包括所述目標的性別、年齡、種類、和所述目標展示的區域中的至少一種。
10、本申請的第二方面公開了一種圖像處理方法，所述方法包括，接收圖像；將所述圖像輸入至圖像處理模型，以輸出所述圖像中目標的定位和所述目標的屬性分類，其中所述圖像處理模型是根據本申請的第一方面的方法訓練得到。
11、本申請的第三方面公開了一種電子設備，所述設備包括存儲有計算機可執行指令的存儲器和處理器；當所述指令被所述處理器執行時，使得所述設備實施根據本申請第一、二方面的方法。
12、本申請的第四方面公開了一種計算機可讀介質，所述存儲介質存儲有一個或者多個程序，所述一個或者多個程序可被一個或者多個處理器執行，以實現本申請第一、二方面的所述的方法。
13、本申請的第五方面公開了一種計算機程序產品，所述計算機程序被處理器執行時實現本申請第一、二方面的方法。
14、本申請提供的圖像處理模型的訓練方法、圖像處理方法、電子設備及介質，通過將圖像樣本輸入至包含并列的預測分支的預先構建的圖像處理模型中，可以并行地輸出目標定位和多個屬性分類信息。再根據模型輸出的訓練值和樣本的標簽之間的差異對模型進行訓練，最終得到訓練后的圖像處理模型。方法200在基于目標檢測模型的基礎上，實現多任務的屬性分類，能夠降低成本且提高圖像處理精度。
本文檔來自技高網...【技術保護點】
1.一種圖像處理模型的訓練方法，用于電子設備，其特征在于，所述方法包括，
2.根據權利要求1所述的方法，其特征在于，所述預測分支為卷積層。
3.根據權利要求1所述的方法，其特征在于，所述預測分支為全連接層。
4.根據權利要求1所述的方法，其特征在于，所述圖像樣本包括正樣本和負樣本，其中所述正樣本的標簽由人工標注獲取。
5.根據權利要求1所述的方法，其特征在于，根據所述目標定位標簽、所述屬性分類標簽、所述預測目標定位的預測分支、和所述多個并列的預測屬性的預測分支對所述預先構建的圖像處理模型訓練包括，先根據所述預測目標定位的預測分支和所述目標定位標簽訓練，再根據預測屬性的預測分支和所述屬性分類標簽訓練。
6.根據權利要求1所述的方法，其特征在于，所述預先構建的圖像處理模型包括單階段ssd、雙階段faster-rcnn、mask-rcnn和YoloV5中的至少一種。
7.根據權利要求1所述的方法，其特征在于，所述目標定位標簽包括目標在圖像中的位置。
8.根據權利要求1所述的方法，其特征在于，所述屬性分類
9.一種圖像處理方法，其特征在于，所述方法包括，
10.一種電子設備，其特征在于，所述設備包括存儲有計算機可執行指令的存儲器和處理器；當所述指令被所述處理器執行時，使得所述設備實施根據權利要求1至9中任一項所述的方法。
11.一種計算機可讀介質，其特征在于，所述存儲介質存儲有一個或者多個程序，所述一個或者多個程序可被一個或者多個處理器執行，以實現權利要求1至9中任一項所述的方法。
12.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至9中任一項所述的方法。
...【技術特征摘要】
1.一種圖像處理模型的訓練方法，用于電子設備，其特征在于，所述方法包括，
2.根據權利要求1所述的方法，其特征在于，所述預測分支為卷積層。
3.根據權利要求1所述的方法，其特征在于，所述預測分支為全連接層。
4.根據權利要求1所述的方法，其特征在于，所述圖像樣本包括正樣本和負樣本，其中所述正樣本的標簽由人工標注獲取。
5.根據權利要求1所述的方法，其特征在于，根據所述目標定位標簽、所述屬性分類標簽、所述預測目標定位的預測分支、和所述多個并列的預測屬性的預測分支對所述預先構建的圖像處理模型訓練包括，先根據所述預測目標定位的預測分支和所述目標定位標簽訓練，再根據預測屬性的預測分支和所述屬性分類標簽訓練。
6.根據權利要求1所述的方法，其特征在于，所述預先構建的圖像處理模型包括單階段ssd、雙階段faster-rcnn、mask-rcnn和yol...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。