[发明专利]图片处理方法、装置、电子设备及存储介质

权利要求书

1.一种图片处理方法，其特征在于，应用于电子设备，所述方法包括：

获取待处理的图片集；

将所述图片集中每张图片输入至预先训练的类别识别模型，获得所述每张图片对应的第一类别概率向量；

获取所述图片集中的每张图片的特征向量；

将所述每张图片的特征向量按照预设顺序依次输入至预先训练的长短期记忆模型，得到所述图片集对应的第二类别概率向量；

基于所述第一类别概率向量，以及所述第二类别概率向量，确定所述图片集所属的类别。

2.根据权利要求1所述的方法，其特征在于，在所述将所述每张图片的特征向量按照预设顺序依次输入至预先训练的长短期记忆模型，得到所述图片集对应的第二类别概率向量之前，所述方法还包括：

获取所述每张图片的时间信息；

根据所述每张图片的时间信息的先后顺序，确定所述预设顺序。

3.根据权利要求2所述的方法，其特征在于，所述获取所述每张图片的时间信息，包括：

获取所述每张图片的拍摄时间；

将所述每张图片的拍摄时间确定为所述每张图片的时间信息。

4.根据权利要求1所述的方法，其特征在于，所述类别识别模型为孪生网络模型，所述孪生网络模型包括第一网络以及第二网络，在所述将所述图片集中每张图片输入至预先训练的类别识别模型，获得所述每张图片对应的第一类别概率向量之前，所述方法还包括：

将第一样本图片输入至所述第一网络，获得第三类别概率向量，以及将第二样本图片输入至所述第二网络，获得第四类别概率向量；

根据所述第三类别概率向量、所述第四类别概率向量、所述第一样本图片对应的第一真实概率向量以及所述第二样本图片的第二类别概率向量，确定所述孪生网络模型的总损失函数的值；

根据所述总损失函数的值，对所述孪生网络模型进行迭代训练，获得训练后的孪生网络模型，作为所述类别识别模型。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第三类别概率向量、所述第四类别概率向量、所述第一样本图片对应的第一真实概率向量以及所述第二样本图片的第二类别概率向量，确定所述孪生网络模型的总损失函数的值，包括：

根据所述第三类别概率向量与第四类别概率向量之间的差异，确定第一损失函数的值；

根据所述第一真实概率向量与第二类别概率向量之间的差异，确定第二损失函数的值；

根据所述第一损失函数的值，以及所述第二损失函数的值，确定所述孪生网络模型的总损失函数的值。

6.根据权利要求4所述的方法，其特征在于，所述将所述图片集中每张图片输入至预先训练的类别识别模型，获得所述每张图片对应的第一类别概率向量，包括：

将所述图片集中每张图片输入至所述第一网络以及所述第二网络；

获取所述第一网络输出的类别概率向量或者所述第二网络输出的类别概率向量，作为所述第一类别概率向量。

7.根据权利要求1-6任一项所述的方法，其特征在于，所述基于所述第一类别概率向量，以及所述第二类别概率向量，确定所述图片集所属的类别，包括：

将所述每张图片对应的第一类别概率向量分分别与所述第二类别概率向量，按照相同位置处的概率值进行融合，获得多个第五类别概率向量；

获取所述多个第三类别概率向量中同一位置处的概率值的平均值，得到多个所述平均值构成的第六类别概率向量；

基于所述第六类别概率向量中的最大概率所对应的类别，确定所述图片集所属的类别。

8.根据权利要求1所述的方法，其特征在于，所述获取待处理的图片集，包括：

响应针对目标主题相册的选取操作，获取所述目标主题相册中的图片；

在所述目标主题相册中的图片的数量大于指定数量时，根据所述目标主题相册中不同图片的历史操作数据，生成不同图片的重要性得分；

根据所述重要性得分，从所述目标主题相册中的图片中，获取重要性得分满足预设得分条件的所述指定数量的图片，将所述指定数量的图片构成的图片集合作为待处理的图片集。