[发明专利]一种图像处理方法、装置及电子设备

说明书

本公开提供了一种图像处理方法、装置及电子设备，涉及人工智能技术领域，尤其涉及深度学习、计算机视觉技术领域，可应用于OCR等应用场景。具体实现方案为：将目标样本图像、所述目标样本图像的检测结果输入至预先经过训练的特征提取模型，得到所述特征提取模型输出的所述目标样本图像的目标样本特征；针对每个候选样本图像，将所述候选样本图像和所述候选样本图像的检测结果输入至所述特征提取模型，得到所述特征提取模型输出的所述候选样本图像的候选样本特征；从各所述候选样本图像中选取匹配候选样本图像，作为用于训练目标检测模型的样本图像。可以筛选出能够对目标检测模型定向训练的样本图像，以提高目标检测模型的准确性。

技术领域

本公开涉及人工智能技术领域，尤其涉及深度学习、计算机视觉技术领域，可应用于OCR(Opitcal Character Recognition，光学字符识别)等应用场景。特别涉及一种图像处理方法、装置及电子设备。

背景技术

基于深度学习训练得到的检测模型能够检测出图像中特定对象所处的位置。在训练检测模型的过程中，已经用于训练检测模型的样本图像中不同类别的图像的数量往往不同，因此后续训练过程中使用不同类别的图像对检测模型进行训练时的效率不同。

发明内容

本公开提供了一种图像处理方法、装置及电子设备。

根据本公开的第一方面，提供了一种图像处理方法，包括：

将目标样本图像、所述目标样本图像的检测结果输入至预先经过训练的特征提取模型，得到所述特征提取模型输出的所述目标样本图像的目标样本特征，其中，所述检测结果用于表示样本图像中对象所处的位置；

针对每个候选样本图像，将所述候选样本图像和所述候选样本图像的检测结果输入至所述特征提取模型，得到所述特征提取模型输出的所述候选样本图像的候选样本特征；

从各所述候选样本图像中选取匹配候选样本图像，作为用于训练目标检测模型的样本图像，其中，所述匹配候选样本图像的所述候选样本特征与所述目标样本特征匹配；

其中，所述特征提取模型预先经过多组训练数据的训练，每组所述训练数据包括：至少一个样本图像对，用于表示所述样本图像对中的两个样本图像是否相似的标签，所述样本图像对中的两个样本标注有检测结果。

根据本公开的第二方面，提供了一种特征提取模型训练方法，包括：

针对每个样本图像对中的每个样本图像，将所述样本图像和所述样本图像中的检测结果输入至原始模型，得到所述原始模型输出的样本特征；

针对每个样本样本图像对，计算所述样本图像对中两个样本图像的所述样本特征间的相似度；

针对每个样本样本图像对，根据所述相似度以及用于表示所述样本图像对中的两个样本图像是否相似的标签，调整所述原始模型的模型参数，直至达到预设收敛条件，将经过调整的所述原始模型作为特征提取模型。

根据本公开的第三方面，提供了一种图像处理装置，包括：

第一特征提取模块，用于将目标样本图像、所述目标样本图像的检测结果输入至预先经过训练的特征提取模型，得到所述特征提取模型输出的所述目标样本图像的目标样本特征，其中，所述检测结果用于表示样本图像中对象所处的位置；

第二特征提取模块，用于针对每个候选样本图像，将所述候选样本图像和所述候选样本图像的检测结果输入至所述特征提取模型，得到所述特征提取模型输出的所述候选样本图像的候选样本特征；

样本筛选模块，用于从各所述候选样本图像中选取匹配候选样本图像，作为用于训练目标检测模型的样本图像，其中，所述匹配候选样本图像的所述候选样本特征与所述目标样本特征匹配；