[发明专利]视觉任务的处理方法、装置和电子系统

权利要求书

1.一种视觉任务的处理方法，其特征在于，所述方法包括：

获取待处理图像，将所述待处理图像输入至预先训练完成的网络模型中，输出所述待处理图像对应的特征数据；

基于所述特征数据，完成预设的视觉任务；

其中，所述网络模型通过预设的教师模型和特征损失函数训练得到；所述特征损失函数用于：根据所述教师模型输出的特征数据的距离分布特征，确定所述网络模型输出的特征数据的距离分布特征的损失值。

2.根据权利要求1所述的方法，其特征在于，所述损失值包括：所述网络模型对相同类型的样本图像输出的特征数据的距离分布的第一损失值，和/或，所述网络模型对不同类型的样本图像输出的特征数据的距离分布的第二损失值。

3.根据权利要求2所述的方法，其特征在于，所述损失值等于：所述网络模型对相同类型的样本图像输出的特征数据的距离分布的第一损失值乘以预设第一权重的乘积，加上所述网络模型对不同类型的样本图像输出的特征数据的距离分布的第二损失值乘以预设第二权重的乘积；其中，所述第一权重和所述第二权重的和为一。

4.根据权利要求2所述的方法，其特征在于，当所述损失值包括所述网络模型对相同类型的样本图像输出的特征数据的距离分布的第一损失值时，所述第一损失值通过下述方式计算得到：

获取所述网络模型针对预设多对第一样本对输出的第一特征矩阵，和所述教师模型针对所述多对第一样本对输出的第二特征矩阵；其中，所述第一样本对包括多个相同类型的样本；

计算所述第一特征矩阵的距离分布特征，以及所述第二特征矩阵的距离分布特征；

根据所述第一特征矩阵的距离分布特征和所述第二特征矩阵的距离分布特征，确定所述第一损失值。

5.根据权利要求4所述的方法，其特征在于，所述第一样本对包括相同类型的第一样本和第二样本；所述第一特征矩阵包括针对于所述第一样本的子特征矩阵，以及针对于所述第二样本的子特征矩阵；

所述计算所述第一特征矩阵的距离分布特征的步骤，包括：

计算所述第一特征矩阵中的所述第一样本的子特征矩阵和所述第二样本的子特征矩阵之间的第一距离矩阵；

对所述第一距离矩阵进行归一化处理，将归一化处理后的所述第一距离矩阵确定为所述第一特征矩阵的距离分布特征。

6.根据权利要求4所述的方法，其特征在于，所述第一样本对包括相同类型的第一样本和第二样本；所述第二特征矩阵包括针对于所述第一样本的子特征矩阵，以及针对于所述第二样本的子特征矩阵；

所述计算所述第二特征矩阵的距离分布特征的步骤，包括：

计算所述第二特征矩阵中的所述第一样本的子特征矩阵和所述第二样本的子特征矩阵之间的第二距离矩阵；

对所述第二距离矩阵进行归一化处理，将归一化处理后的所述第二距离矩阵确定为所述第二特征矩阵的距离分布特征。

7.根据权利要求4所述的方法，其特征在于，根据所述第一特征矩阵的距离分布特征和所述第二特征矩阵的距离分布特征，确定所述第一损失值的步骤，包括：

计算所述第一特征矩阵的距离分布特征和所述第二特征矩阵的距离分布特征之间第一差值矩阵；

计算所述第一差值矩阵中各个数据的第一平方和，将所述第一平方和除以所述第一样本对的数量，得到所述第一损失值。

8.根据权利要求2所述的方法，其特征在于，当所述损失值包括所述网络模型对不同类型的样本图像输出的特征数据的距离分布特征的第二损失值时，所述第二损失值通过下述方式计算得到：

获取所述网络模型针对预设多对第二样本对输出的第三特征矩阵，和所述教师模型针对所述多对第二样本对输出的第四特征矩阵；其中，所述第二样本对包括多个不同类型的样本；

计算所述第三特征矩阵的距离分布特征，以及所述第四特征矩阵的距离分布特征；

根据所述第三特征矩阵的距离分布特征和所述第四特征矩阵的距离分布特征，确定所述第二损失值。