图像处理方法、装置、电子设备及可读存储介质.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CN113762055A(43)申请公布日2021.12.07(21)申请号202110536411.2G06N3/04(2006.01)(22)申请日2021.05.17G06N3/08(2006.01)H04N1/32(2006.01)(71)申请人腾讯科技（深圳）有限公司地址518000广东省深圳市南山区高新区科技中一路腾讯大厦35层(72)发明人杨伟明郭润增王少鸣唐惠忠(74)专利代理机构北京市立方律师事务所11330代理人张筱宁张海秀(51)Int.Cl.G06K9/00(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)G06Q20/38(2012.01)G06Q20/40(2012.01)权利要求书3页说明书22页附图5页(54)发明名称图像处理方法、装置、电子设备及可读存储介质(57)摘要本申请实施例提供了一种图像处理方法、装置、电子设备及可读存储介质，涉及人工智能、区块链以及图像处理技术领域。该方法包括：获取待处理图像，待处理图像为包含目标对象的图像；将待处理图像划分为至少两个子图像；提取每个子图像的图像特征，并基于每个子图像的图像特征，确定每个子图像各自对应的分类结果，分类结果表征了子图像中包括目标对象的概率；将各子图像对应的分类结果作为安全因子，对安全因子和待处理图像进行加密，得到待处理图像的加密结果。在本申请实施例中，可以将各子图像对应的分类结果作为安全因子与待处理图像进行一并加密，增加了加密结果的破解难度，进一步的提升了数据的安全性。CN113762055ACN113762055A权利要求书1/3页1.一种图像处理方法，其特征在于，所述方法包括：获取待处理图像，所述待处理图像为包含目标对象的图像；将所述待处理图像划分为至少两个子图像；提取每个所述子图像的图像特征，并基于每个所述子图像的图像特征，确定每个所述子图像各自对应的分类结果，所述分类结果表征了所述子图像中包括所述目标对象的概率；将各所述子图像对应的分类结果作为安全因子，对所述安全因子和所述待处理图像进行加密，得到所述待处理图像的加密结果。2.根据权利要求1所述的方法，其特征在于，所述提取每个所述子图像的图像特征，包括：获取每个所述子图像的初始特征，所述初始特征包括所述子图像所包含的至少两个图像块的第一特征；对于每个所述子图像，基于所述子图像的至少两个图像块的第一特征之间的关联性，确定所述至少两个图像块中每个所述图像块的权重，并基于所述子图像的各所述图像块的权重对各所述图像块的第一特征进行加权，得到各所述图像块的第二特征；对于每个所述子图像，基于所述子图像的各所述图像块的第二特征，得到所述子图像的图像特征。3.根据权利要求2所述的方法，其特征在于，对于每个所述子图像，所述基于所述子图像的各所述图像块的第二特征，得到所述子图像的图像特征，包括：通过包含至少两个级联的特征提取层的特征提取模块执行以下操作，得到所述子图像的图像特征：基于所述子图像的各所述图像块的第二特征，通过所述特征提取模块的第一个特征提取层提取所述子图像的第三特征；对于除所述第一个特征提取层之外的每个特征提取层，基于所述第一个特征提取层的输入特征和该特征提取层之前的各特征提取层的输出特征，提取得到所述子图像的第四特征；将最后一个特征提取层的输出特征作为所述子图像的图像特征。4.根据权利要求2所述的方法，其特征在于，所述获取每个所述子图像的初始特征，包括：对于每个所述子图像，确定所述子图像所包含的所述至少两个图像块的特征描述子，将每个所述图像块的特征描述子作为所述图像块的第一特征。5.根据权利要求1所述的方法，其特征在于，所述提取每个所述子图像的图像特征，并基于每个所述子图像的图像特征，确定每个所述子图像各自对应的分类结果，是通过神经网络模型实现的，所述神经网络模型是通过以下方式训练得到的：获取带有标注结果的各样本图像，对于一个所述样本图像，所述标注结果表征了所述样本图像中包含样本对象或者不包含样本对象，所述标注结果表征了样本图像的真实分类结果；基于各所述训练样本图像对初始神经网络模型进行训练，直至模型对应的损失函数的值满足训练结束条件，得到所述神经网络模型；2CN113762055A权利要求书2/3页其中，所述神经网络模型的输入为各所述样本图像，输出为各所述样本图像对应的预测分类结果，对于一个所述样本图像，所述预测分类结果表征了所述样本图像中包含样本对象的概率，所述损失函数的值表征了各所述样本图像的标注分类结果与预测分类结果之间的差异。6.根据权利要求5所述的方法，其特征在于，所述神经网络模型包括依次级联的注意力模块、特征提取模块和分类模块，所述提取每个所述子图像的图像特征，并