[发明专利]图像处理的方法、装置及存储介质

说明书

本发明公开了一种图像处理的方法、装置及存储介质。该方法包括：获取图像采集设备采集的图像；使用强语义模型检测出图像中的强语义目标并截取与强语义目标对应的弱语义目标待测区域；使用弱语义模型检测出弱语义目标待测区域中的弱语义目标；将强语义目标和弱语义目标结合以得到最终的目标图像。这样，即使对于含有多个待检测目标且目标之间语义差别较大的图像，也能使得图像的检测精确度更高，召回率更高，减少漏检或误检的情况。

技术领域

本发明涉及图像处理技术领域，具体地，涉及一种图像处理的方法、装置及存储介质。

背景技术

图像处理任务包括，目标检测、语义分割或光学字符识别(Optical CharacterRecognition,OCR)等。目前的图像处理方法一般是采用一次模型，一次模型具有端对端的效果，但是模型过大会导致训练耗时多，且区分效果并不明显，难以兼顾语义差别较大的目标。语义差别是指同一数据集中，不同样本在图像中的面积占比差别过大、对比度差异过大或者样本量差异过大等。现有的图像处理方法对于语义差别较大的图像，处理结果均不太理想。语义差别较大的目标加大了图像处理任务的难度，使得任务的精度不够，召回率偏低，易造成漏检或误检的情况。

发明内容

本发明的目的是提供一种图像处理的方法、装置及存储介质，用以解决现有的图像处理方法对于语义差别较大的图像，任务的精度不够，召回率偏低，易造成漏检或误检的情况。

为了实现上述目的，本发明第一方面提供一种图像处理的方法，该方法包括：

获取图像采集设备采集的图像；

使用强语义模型检测出图像中的强语义目标；

截取与强语义目标对应的弱语义目标待测区域；

使用弱语义模型检测出弱语义目标待测区域中的弱语义目标；

将强语义目标和弱语义目标结合以得到最终的目标图像。

在本发明的实施方式中，该方法还包括：

分别采集强语义目标样本和弱语义目标样本；

分别对强语义目标样本和弱语义目标样本进行标注以生成强语义目标样本的数据集和弱语义目标样本的数据集；

使用强语义目标样本的数据集和弱语义目标样本的数据集训练模型，以得到强语义模型和弱语义模型。

在本发明的实施方式中，强语义模型包括目标检测模型，弱语义模型包括目标检测模型、语义分割模型和光学字符识别模型中的至少一者。

在本发明的实施方式中，使用强语义模型检测出图像中的强语义目标并截取与强语义目标对应的弱语义目标待测区域包括：

使用强语义模型检测出图像中的强语义目标；

将强语义目标进行扩充，以得到弱语义目标待测区域。

在本发明的实施方式中，将强语义目标进行扩充，以得到弱语义目标待测区域包括：

将强语义目标的坐标输入至机器学习模型，以得到扩充参数；

将强语义目标的坐标按照扩充参数进行扩充，以得到弱语义目标待测区域。

在本发明的实施方式中，将强语义目标进行扩充，以得到弱语义目标待测区域还包括：

对机器学习模型进行训练。

在本发明的实施方式中，对机器学习模型进行训练包括：

获取强语义目标样本的坐标数据集、弱语义目标样本的坐标数据集以及对应的扩充参数的数据集；

使用强语义目标样本的坐标数据集、弱语义目标样本的坐标数据集以及扩充参数的数据集训练机器学习模型。