[发明专利]图像处理方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取预设对象在待处理图像中的位置信息和置信度，所述预设对象包括多个对象，所述位置信息表示所述预设对象在所述待处理图像中的位置，所述置信度表示所述待处理图像在所述位置包含所述预设对象的概率；

基于所述待处理图像、所述预设对象的所述位置信息和所述置信度，确定所述待处理图像属于预设种类的概率P；

基于所述概率P，确定所述待处理图像的种类。

2.根据权利要求1所述的方法，其特征在于，所述获取预设对象在待处理图像中的位置信息和置信度，包括：

将所述待处理图像输入目标检测模型，获取所述预设对象在所述待处理图像中的所述位置信息和所述置信度。

3.根据权利要求1所述的方法，其特征在于，所述基于所述待处理图像、所述预设对象的所述位置信息和所述置信度，确定所述待处理图像属于预设种类的概率P，包括：

基于所述待处理图像、所述预设对象的所述位置信息和所述置信度，利用神经网络模型，确定所述待处理图像属于预设种类的概率P。

4.根据权利要求3所述的方法，其特征在于，所述神经网络模型包括第一卷积神经网络模型，所述概率P包括第一概率P_cls1，所述基于所述待处理图像、所述预设对象的所述位置信息和所述置信度，利用神经网络模型，确定所述待处理图像属于预设种类的概率，包括：

基于所述待处理图像、所述预设对象的所述位置信息和所述置信度，获取所述预设对象的注意力热力图；

基于所述待处理图像以及所述预设对象的注意力热力图，通过所述第一卷积神经网络模型，确定所述待处理图像属于预设种类的第一概率P_cls1。

5.根据权利要求3所述的方法，其特征在于，所述神经网络模型包括第二卷积神经网络模型，所述概率P包括第二概率P_cls2，所述基于所述待处理图像、所述预设对象的所述位置信息和所述置信度，利用神经网络模型，确定所述待处理图像属于预设种类的概率，包括：

将所述待处理图像输入图像分类模型，获取所述待处理图像属于预设种类的第三概率P₁；

基于所述第三概率P₁、所述预设对象的所述位置信息和所述置信度，通过所述第二卷积神经网络模型，确定所述待处理图像属于预设种类的第二概率P_cls2。

6.根据权利要求3所述的方法，其特征在于，所述神经网络模型包括第一卷积神经网络模型和第二卷积神经网络模型，所述基于所述待处理图像、所述预设对象的所述位置信息和所述置信度，利用神经网络模型，确定所述待处理图像属于预设种类的概率，包括：

基于所述待处理图像、所述预设对象的所述位置信息和所述置信度，通过所述第一卷积神经网络模型，确定所述待处理图像属于预设种类的第一概率P_cls1；

基于所述待处理图像、所述预设对象的所述位置信息和所述置信度，通过所述第二卷积神经网络模型，确定所述待处理图像属于预设种类的第二概率P_cls2；

基于所述第一概率P_cls1和所述第二概率P_cls2，确定所述概率P。

7.根据权利要求6所述的方法，其特征在于，所述基于所述待处理图像、所述预设对象的所述位置信息和所述置信度，通过所述第一卷积神经网络模型，确定所述待处理图像属于预设种类的第一概率P_cls1，包括：

基于所述待处理图像、所述预设对象的所述位置信息和所述置信度，获取所述预设对象的注意力热力图；

基于所述待处理图像以及所述预设对象的注意力热力图，通过所述第一卷积神经网络模型，确定所述待处理图像属于预设种类的第一概率P_cls1。