[发明专利]图像处理方法、装置、存储介质及电子设备

权利要求书

1.一种图像处理方法，其特征在于，所述方法包括：

获取包括面部信息的目标图像；

将所述目标图像输入预先训练完成的情绪分类网络，得到所述目标图像中面部信息表征的情绪信息；

其中，所述情绪分类网络包括由内卷算子构成的RedNet特征提取器，所述RedNet特征提取器用于根据所述目标图像得到特征图像，以基于所述特征图像得到所述情绪信息。

2.根据权利要求1所述的方法，其特征在于，所述基于所述特征图像得到所述情绪信息包括：

将所述特征图像输入Transformer编码器，得到所述目标图像对应的特征向量，所述Transformer编码器包括多头自注意模块、多层感知器以及层归一化模块；

将所述特征向量输入全连接层，得到所述目标图像中面部信息表征的情绪信息。

3.根据权利要求2所述的方法，其特征在于，所述情绪分类网络的训练包括：

获取训练集，所述训练集包括多个训练图像，所述多个训练图像中的每一个训练图像包括面部信息以及对应该面部信息预先标注的情绪标签；

针对所述训练集中的任意目标训练图像，将所述目标训练图像输入初始情绪分类网络中的RedNet特征提取器，得到所述目标训练图像的特征图像；

将所述目标训练图像的特征图像输入所述Transformer编码器，得到所述目标训练图像对应的特征向量；

将所述目标训练图像对应的特征向量输入全连接层，得到所述目标训练图像中面部信息表征的情绪信息对应的预测标签；

根据所述预测标签与所述目标训练图像预先标注的情绪标签，对所述情绪分类网络中的参数进行调整，以得到训练后的情绪分类网络。

4.根据权利要求3所述的方法，其特征在于，所述全连接层包括注意力因子，所述将所述目标训练图像对应的特征向量输入全连接层，得到所述目标训练图像中面部信息表征的情绪信息对应的预测标签包括：

将所述目标训练图像对应的特征向量输入全连接层，得到所述目标训练图像中面部信息表征的情绪信息对应的预测标签，以及所述目标训练图像的权重信息；

所述根据所述预测标签与所述训练图像预先标注的情绪标签，对所述情绪分类网络中的参数进行调整包括：

根据所述预测标签与所述目标训练图像预先标注的情绪标签，以及所述目标训练图像的权重信息，基于交叉熵损失函数以及正则化损失对所述情绪分类网络中的参数进行调整。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

获取测试集，所述测试集包括多个测试图像，所述多个测试图像中的每一个测试图像包括面部信息以及对应该面部信息预先标注的情绪标签；

针对所述测试集中的任意目标测试图像，将所述目标测试图像输入所述训练后的情绪分类网络中的RedNet特征提取器，得到所述目标测试图像的特征图像；

将所述目标测试图像的特征图像输入所述Transformer编码器，得到所述目标测试图像对应的特征向量；

将所述目标测试图像对应的特征向量输入MC-dropout层，确定所述目标测试图像的不确定性信息；

确定所述多个测试图像的不确定性信息是否满足预设规律，在满足所述预设规律的情况下，将所述训练后的情绪分类网络作为所述训练完成的情绪分类网络。

6.一种图像处理装置，其特征在于，所述装置包括：

第一获取模块，用于获取包括面部信息的目标图像；

情绪确定模块，用于将所述目标图像输入预先训练完成的情绪分类网络，得到所述目标图像中面部信息表征的情绪信息；

其中，所述情绪分类网络包括由内卷算子构成的RedNet特征提取器，所述RedNet特征提取器用于根据所述目标图像得到特征图像，以基于所述特征图像得到所述情绪信息。