[发明专利]基于人工智能的图像处理模型训练方法及图像处理方法

说明书

本申请提供了一种基于人工智能的图像处理模型训练方法、图像处理方法、装置、电子设备及计算机可读存储介质；方法包括：对多个训练视频分别对应的分镜片段进行聚类处理，得到多个聚类簇；对聚类簇中的多个分镜片段进行去重处理，以更新聚类簇；对更新后的多个聚类簇中属于同一分镜片段的多个相似的训练图像、以及分别属于不同分镜片段的多个不相似的训练图像进行采样处理，得到训练图像组；根据训练图像组中的多个训练图像、以及多个训练图像之间的相似关系，对图像处理模型进行训练；其中，训练后的图像处理模型用于对图像进行特征提取处理。通过本申请，能够提升模型训练的效果，进而提升图像处理的精度。

技术领域

本申请涉及计算机视觉技术，尤其涉及一种基于人工智能的图像处理模型训练方法、图像处理方法、装置、电子设备及计算机可读存储介质。

背景技术

人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。计算机视觉技术(Computer Vision，CV)是人工智能的重要分支，主要研究相关的理论和技术，试图建立能够从图像或者多维数据中获取信息的人工智能系统。

针对图像的特征提取是计算机视觉技术的一个重要应用，在相关技术提供的方案中，通常是从海量图像中随机采样两个图像以构建负样本对，同时对其中的一个图像进行图像增强处理，以与未进行图像增强处理的另一个图像构建正样本对，最后根据负样本对和正样本对训练图像处理模型。然而，随机采样的两个图像可能是相似或不相似的，导致得到的负样本对和正样本对不准确，对图像处理模型的训练效果差，进一步导致根据训练后的图像处理模型进行图像处理的准确性低。

发明内容

本申请实施例提供一种基于人工智能的图像处理模型训练方法、图像处理方法、装置、电子设备及计算机可读存储介质，能够提升图像处理模型的训练效果，并提升图像处理的准确性。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种基于人工智能的图像处理模型训练方法，包括：

对多个训练视频分别对应的分镜片段进行聚类处理，得到多个聚类簇；其中，所述分镜片段包括多个相似的训练图像；

对所述聚类簇中的多个分镜片段进行去重处理，以更新所述聚类簇；

对更新后的所述多个聚类簇中属于同一分镜片段的多个相似的训练图像、以及分别属于不同分镜片段的多个不相似的训练图像进行采样处理，得到训练图像组；

根据所述训练图像组中的多个训练图像、以及所述多个训练图像之间的相似关系，对图像处理模型进行训练；其中，训练后的所述图像处理模型用于对图像进行特征提取处理。

本申请实施例提供一种基于图像处理模型的图像处理方法，包括：

通过所述图像处理模型对样本图像进行特征提取处理，得到所述样本图像的图像特征；

根据多个所述样本图像分别对应的图像特征建立图像索引；

通过所述图像处理模型对待查询图像进行特征提取处理，得到所述待查询图像的图像特征；

根据所述待查询图像的图像特征对所述图像索引进行相似查询处理，得到相似图像索引；

将所述相似图像索引对应的至少部分样本图像，作为所述待查询图像的相似样本图像。

本申请实施例提供一种基于人工智能的图像处理模型训练装置，包括：

聚类模块，用于对多个训练视频分别对应的分镜片段进行聚类处理，得到多个聚类簇；其中，所述分镜片段包括多个相似的训练图像；

去重模块，用于对所述聚类簇中的多个分镜片段进行去重处理，以更新所述聚类簇；