图像的预处理方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113297624A(43)申请公布日2021.08.24(21)申请号202110700595.1(22)申请日2021.06.23(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人邱伟峰张君涛(74)专利代理机构北京亿腾知识产权代理事务所(普通合伙)11309代理人陈霁周良玉(51)Int.Cl.G06F21/62(2013.01)G06K9/00(2006.01)G06K9/46(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书4页说明书14页附图4页(54)发明名称图像的预处理方法及装置(57)摘要本说明书实施例提供一种通过本说明书实施例提供的方法和装置，针对待处理的目标图像通过编码网络进行特征提取，然后和基准图像对应的基准特征图进行融合处理，从而可以生成将目标图像的图像特征作为噪声加入基准图像的脱敏图像。由于在图像脱敏模型训练过程中，加入基准图像的基准特征图，并将得到的脱敏图像与基准图像对比，使得脱敏图像外观与基准图像相似，而图像脱敏模型训练过程中还融合有目标图像的图像特征，从而使得脱敏图像隐藏有可提取目标图像特征的其他信息。该技术构思可以有效保护目标图像的数据隐私，并可以将脱敏图像有效地用于针对目标图像的图像识别。CN113297624ACN113297624A权利要求书1/4页1.一种图像的预处理方法，所述方法包括：获取待处理的第一图像；利用预先训练的编码模块对所述第一图像进行特征提取，得到所述第一图像对应的编码特征图；获取与预定的基准图像集中的第二基准图像对应的基准特征图；通过预先训练的融合模块将第二基准图像对应的基准特征图与所述编码特征图融合处理，得到第二脱敏图像，其中，所述第二脱敏图像为在所述第二基准图像上添加可提取出所述第一图像的图像特征的图像。2.根据权利要求1所述的方法，其中，所述第二基准图像对应的基准特征图通过以下方式确定：按照所述第二基准图像各个像素的像素值，确定所述第二基准图像的初始特征图；通过预先确定的卷积神经网络处理所述初始特征图，得到所述第二基准图像的基准特征图。3.根据权利要求1所述的方法，其中，基准图像集中的各个基准图像分别通过各个标识向量表示，所述第二基准图像对应第二标识向量，所述第二基准图像对应的基准特征图通过以下方式确定：通过全连接神经网络对所述第二标识向量进行处理，得到N维的参考向量；将所述N维的参考向量转换成所述第二基准图像的基准特征图。4.根据权利要求3所述的方法，其中，所述从预定的基准图像集中获取与第二基准图像对应的基准特征图包括：随机确定各个标识向量中的第二标识向量；通过所述第二标识向量获取所述第二基准图像对应的基准特征图。5.根据权利要求1所述的方法，其中，所述通过预先训练的融合模块将第二基准图像对应的基准特征图与所述编码特征图融合处理，得到第二脱敏图像包括：将第二基准图像对应的基准特征图与所述编码特征图进行拼接或者按元素叠加，得到融合特征图；通过所述融合模块处理融合特征图，得到所述第二脱敏图像。6.根据权利要求1所述的方法，其中，所述第二基准图像对应多个基准特征图，各个基准特征图分别与所述融合模块中的多层神经网络一一对应，所述通过预先训练的融合模块将第二基准图像对应的基准特征图与所述编码特征图融合处理，得到第二脱敏图像包括：利用所述多层神经网络中的单层神经网络，处理相应基准特征图与利用前一层神经网络得到的中间特征图进行融合得到的融合特征图，其中，在所述单层神经网络是所述融合模块中的第一层神经网络的情况下，利用前一层神经网络得到的中间特征图为所述编码特征图。7.根据权利要求1所述的方法，其中，所述第二脱敏图像的像素与所述第二基准图像的像素一致，所述编码模块通过多层卷积神经网络实现，所述融合模块基于多层转置卷积神经网络实现。8.一种图像脱敏模型的训练方法，所述图像脱敏模型包括编码模块和融合模块，所述图像脱敏模型用于将待处理图像处理成在基准图像上添加噪声的噪声图像，以将噪声图像2CN113297624A权利要求书2/4页应用于待处理图像的图像识别，所述方法包括：利用所述编码模块对第一样本图像进行特征提取，得到所述第一样本图像的第一特征图，所述第一样本图像是用于图像识别的样本集中的图像；获取与第一基准图像对应的基准特征图，其中，所述第一基准图像是预定的基准图像集中的图像；通过所述融合模块将所述第一基准图像对应的基准特征图与所述第一特征图融合处理，得到第一脱敏图像；基于所述第一脱敏图像与所述第一基准图像、所述第一样本图像的对比，确定图像脱敏模型的模型损失；以最小化所述模型损失为目