[发明专利]一种图像处理方法、设备及计算机可读存储介质

说明书

一种图像处理方法、设备及计算机可读存储介质，其中，该方法包括：获取待检测人脸图像，从待检测人脸图像中提取目标人脸区域图像；利用评分模型包括的第一特征提取网络和第二特征提取网络对该目标人脸区域图像进行处理，得到目标人脸区域图像的评分结果；其中，评分模型是利用包含训练图像的训练数据集训练得到的，第一特征提取网络和第二特征提取网络中的一个或多个是结合训练过程中确定的目标损失值训练得到的，目标损失值是根据训练过程中确定的误差参数以及加权损失参数计算得到的，加权损失参数是基于训练数据集中预测误差大于误差阈值的训练图像所占的比例确定的。采用上述方式可以有效提高人脸图像评分的效率以及准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种图像处理方法、设备及计算机可读存储介质。

背景技术

近年来，随着人脸识别技术的发展，人脸图像评分受到了广泛的关注与研究。目前，通常是由人工对人脸图像进行评分，例如在选秀的场景下采用人工的方式对人脸图像进行评分，但人工评分的方式效率低，且由于人为主观性，会使得人脸评分结果的准确性不高。因此，如何提高人脸图像评分的效率和准确性是目前的研究热点。

申请内容

本申请实施例提供了一种图像处理方法、设备及计算机可读存储介质，可以有效提高人脸图像评分的效率以及准确性。

一方面，本申请实施例公开了一种图像处理方法，该方法包括：

获取待检测人脸图像，从该待检测人脸图像中提取目标人脸区域图像；

然后利用评分模型包括的第一特征提取网络和第二特征提取网络对目标人脸区域图像进行处理，得到目标人脸区域图像的评分结果；

其中，评分模型是利用包含训练图像的训练数据集训练得到的，该第一特征提取网络和第二特征提取网络中的一个或多个是结合训练过程中确定的目标损失值训练得到的，目标损失值是根据训练过程中确定的误差参数以及加权损失参数计算得到的，加权损失参数是基于训练数据集中预测误差大于误差阈值的训练图像所占的比例确定的。

在一实施例中，所述从所述待检测人脸图像中提取目标人脸区域图像，包括：

从所述待检测人脸图像中提取初始人脸区域图像；

对所述初始人脸区域图像进行填充处理，得到目标长宽比的人脸区域图像；

将所述目标长宽比的人脸区域图像进行缩放处理，将缩放处理后的人脸区域图像作为目标人脸区域图像。

在一实施例中，所述利用评分模型包括的第一特征提取网络和第二特征提取网络对所述目标人脸区域图像进行处理，得到所述目标人脸区域图像的评分结果，包括：

利用所述第一特征提取网络对所述目标人脸区域图像进行特征提取，得到第一特征向量；

利用所述第二特征提取网络对所述目标人脸区域图像进行特征提取，得到第二特征向量；

对所述第一特征向量和所述第二特征向量进行处理，得到所述目标人脸区域图像的评分结果。

在一实施例中，所述评分模型还包括评分网络，所述对所述第一特征向量和所述第二特征向量进行处理，得到所述目标人脸区域图像的评分结果，包括：

将所述第一特征向量和所述第二特征向量进行融合，得到融合特征向量；

利用所述评分网络对所述融合特征向量进行处理，得到所述目标人脸区域图像的评分结果。

在一实施例中，该图像处理方法还包括：获取训练数据集，所述训练数据集包括多张训练图像以及各张训练图像的参考评分值；

利用初始评分模型对所述多张训练图像进行处理，得到各张训练图像的预测评分值；