[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：

通过第一深度神经网络模型对输入图像进行特征提取，得到所述输入图像的第一图像特征，通过第二深度神经网络模型分别对多个相册模板中的模板图像进行特征提取，得到第二图像特征，通过第三深度神经网络模型分别对所述多个相册模板中的模板音乐进行特征提取，得到音频特征；

通过匹配网络模型将所述第一图像特征分别与多个相册模板的第二图像特征和音频特征进行匹配，得到所述输入图像分别与所述多个相册模板的多个匹配值；

根据所述多个匹配值，确定与所述输入图像匹配的相册模板。

2.根据权利要求1所述的方法，其特征在于，所述通过匹配网络模型将所述第一图像特征分别与多个相册模板的第二图像特征和音频特征进行匹配，得到所述输入图像分别与所述多个相册模板的多个匹配值，包括：

将所述第一图像特征分别和所述多个相册模板的第二图像特征进行联合，得到第一联合特征；通过第一匹配子网络模型对所述第一联合特征进行匹配，得到所述输入图像分别与所述多个相册模板的模板图像的第一匹配输出值；

将所述第一图像特征分别和所述多个相册模板的音频特征进行联合，得到第二联合特征；通过第二匹配子网络模型对所述第二联合特征进行匹配，得到所述输入图像分别与所述多个相册模板的模板音乐的第二匹配输出值；

根据所述第一匹配输出值和所述第二匹配输出值，确定所述输入图像分别与所述多个相册模板的多个匹配值；

其中，所述匹配网络模型包括所述第一匹配子网络模型和所述第二匹配子网络模型。

3.根据权利要求1所述的方法，其特征在于，采用以下方式，得到所述匹配网络模型：

获取样本集，其中，所述样本集包括正样本集和负样本集，所述正样本集包括：多组正样本对，所述正样本对包括：历史输入图像与被选择的相册模板，所述负样本集包括：多组负样本对，所述负样本对包括：历史输入图像与未被选择的相册模板；

采用所述样本集对初始网络模型进行训练，得到所述匹配网络模型。

4.根据权利要求3所述的方法，其特征在于，采用所述样本集对初始网络模型进行训练，得到所述匹配网络模型，包括：

生成所述初始网络模型的损失函数；

通过最小化所述损失函数，对所述初始网络模型进行训练，得到所述匹配网络模型。

5.根据权利要求4所述的方法，其特征在于，生成所述初始网络模型的损失函数，包括：

生成所述初始网络模型的排序损失函数，和生成所述初始网络模型的二分类损失函数，其中，所述排序损失函数依据正样本对的匹配值与负样本对的匹配值之间的差值确定，所述二分类损失函数依据正负样本对的预测匹配值确定。

6.一种图像处理方法，其特征在于，包括：

通过交互界面，接收输入图像；

在所述交互界面上，显示所述输入图像分别与多个相册模板的多个匹配值，其中，所述输入图像分别与所述多个相册模板的多个匹配值由匹配网络模型将第一图像特征分别与所述多个相册模板的第二图像特征和音频特征进行匹配得到，其中，所述第一图像特征通过第一深度神经网络模型对所述输入图像进行特征提取得到，所述第二图像特征通过第二深度神经网络模型分别对所述多个相册模板中的模板图像进行特征提取得到，所述音频特征通过第三深度神经网络模型分别对所述多个相册模板中的模板音乐进行特征提取得到；

在所述交互界面上，突出显示与所述输入图像匹配的相册模板，其中，与所述输入图像匹配的相册模板由所述多个相册模板对应的多个匹配值确定。