图像处理模型的训练、图像处理方法、装置、设备及介质.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CN114283290A(43)申请公布日2022.04.05(21)申请号202111138476.8G06K9/62(2022.01)(22)申请日2021.09.27G06N3/04(2006.01)G06N3/08(2006.01)(71)申请人腾讯科技（深圳）有限公司地址518057广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人何楠君李悦翔林一卢东焕魏东马锴郑冶枫(74)专利代理机构北京三高永信知识产权代理有限责任公司11138代理人孙晓丽(51)Int.Cl.G06V10/40(2022.01)G06V10/774(2022.01)G06V10/764(2022.01)G06V10/82(2022.01)权利要求书3页说明书24页附图5页(54)发明名称图像处理模型的训练、图像处理方法、装置、设备及介质(57)摘要本申请公开了图像处理模型的训练、图像处理方法、装置、设备及介质，属于人工智能技术领域。该图像处理模型的训练方法包括：获取三维的样本图像；调用第一图像处理模型对第一图像数据序列进行分类，得到第一分类结果；调用第二图像处理模型对第二图像数据序列进行分类，得到第二分类结果；利用第一分类结果和第二分类结果之间的损失函数更新第一图像处理模型的参数，得到更新后的图像处理模型；基于更新后的图像处理模型，获取目标图像处理模型。此种方法，利用第一分类结果和第二分类结果之间的损失函数提供监督信号，能够在减少对三维的图像的标签的依赖的基础上实现对图像处理模型的较为可靠的训练，从而提高图像处理的可靠性。CN114283290ACN114283290A权利要求书1/3页1.一种图像处理模型的训练方法，其特征在于，所述方法包括：获取三维的样本图像；调用第一图像处理模型对第一图像数据序列进行分类，得到第一分类结果，所述第一图像数据序列通过按照第一角度对所述样本图像进行切分得到，所述第一角度为各个候选角度中的任一角度；调用第二图像处理模型对第二图像数据序列进行分类，得到第二分类结果，所述第二图像数据序列通过按照第二角度对所述样本图像进行切分得到，所述第二角度为所述各个候选角度中与所述第一角度不同的任一角度；利用所述第一分类结果和所述第二分类结果之间的损失函数更新所述第一图像处理模型的参数，得到更新后的图像处理模型；基于所述更新后的图像处理模型，获取目标图像处理模型。2.根据权利要求1所述的方法，其特征在于，所述第一图像处理模型包括编码模型、注意力模型和预测模型，所述调用第一图像处理模型对第一图像数据序列进行分类，得到第一分类结果，包括：调用所述编码模型对所述第一图像数据序列进行特征提取，得到第一图像特征序列；调用所述注意力模型对所述第一图像特征序列进行特征提取，得到目标图像特征序列；调用所述预测模型对所述目标图像特征序列进行预测，得到所述第一分类结果。3.根据权利要求2所述的方法，其特征在于，所述注意力模型包括位置注意力子模型、空间注意力子模型和神经网络子模型，所述调用所述注意力模型对所述第一图像特征序列进行特征提取，得到目标图像特征序列，包括：调用所述位置注意力子模型和所述空间注意力子模型对所述第一图像特征序列进行特征提取，得到第二图像特征序列；调用所述神经网络子模型对所述第二图像特征序列进行特征提取，得到第三图像特征序列，基于所述第三图像特征序列，获取所述目标图像特征序列。4.根据权利要求3所述的方法，其特征在于，所述调用所述位置注意力子模型和所述空间注意力子模型对所述第一图像特征序列进行特征提取，得到第二图像特征序列，包括：将所述第一图像特征序列转换为第一位置特征序列；调用所述位置注意力子模型对所述第一位置特征序列进行特征提取，得到第二位置特征序列；基于所述第二位置特征序列，获取第四图像特征序列；调用所述空间注意力子模型对所述第四图像特征序列进行特征提取，得到第五图像特征序列；基于所述第五图像特征序列，获取所述第二图像特征序列。5.根据权利要求4所述的方法，其特征在于，所述基于所述第二位置特征序列，获取第四图像特征序列，包括：将所述第二位置特征序列转换为第六图像特征序列；将所述第六图像特征序列与所述第一图像特征序列进行融合，得到所述第四图像特征序列。6.根据权利要求3所述的方法，其特征在于，所述调用所述位置注意力子模型和所述空间注意力子模型对所述第一图像特征序列进行特征提取，得到第二图像特征序列，包括：2CN114283290A权利要求书2/3页调用所述空间注意力子模型对所述第一图像特征序列进行特征提取，得到第七图像特征序列；基于所述第七图像特征序列，获取第三位置特征序列；调用所述位置注意力子模型对所述第三位置特征序列进行特征提取，得到第四位