图片处理方法及装置与流程

本公开涉及图像处理领域，尤其涉及一种图片处理方法及装置。

背景技术：

当今世界，人工智能的意义不言而喻，而图像识别技术是人工智能的一个重要领域，广泛应用于交通、公共安全、农业、工业、医疗等各个领域。例如，在交通领域的车牌识别系统，公共安全方面的人脸识别技术、指纹识别技术，农业方面的种子识别技术，工业方面的产品缺陷检测系统、物品分拣机器人，医学方面的心电图识别技术等，图像识别技术发挥着重要的作用。随着计算机技术的不断发展，图像识别技术也在不断优化，它的应用前景也是不可限量的。

影响图像识别准确率的关键在于：深度学习过程中训练模型的有效性。

模型的好坏有两个非常重要的因素：一个因素是训练数据集的大小，就目前大量的实验和工作证明，数据量的大小直接影响深度学习的性能，在小数据集上使用深度学习往往容易过拟合，这意味着模型虽然实际取得了结果，但也仅适用于训练的集合，深度网络失去作用；另外一个因素是训练数据集图片的真实、可靠性，据统计，全世界每天会上传超过十几亿张图片到互联网上，并且互联网的图片数据每年都在爆炸式的增长。但是随着互联网的发展，如何从互联网图片中快速沉淀出大量真实、有效的图片，为图像识别技术中模型的训练做准备，保证互联网图像内容稳定高效的发展，成为互联网不得不面临的严峻挑战。

技术实现要素：

有鉴于此，本公开提出一种图片处理方法及装置，可以快速沉淀出需要的图片。

根据本公开的一方面，提出了一种图片处理方法，所述方法包括：

将待处理图片进行哈希处理，获取对应的哈希值；

将所述哈希值分别存入多个第一任务队列中的每个第一任务队列；

针对每个第一任务队列，获取与该第一任务队列对应的所述待处理图片的第一审核结果；

在多个第一审核结果不一致时，将所述哈希值送入第二任务队列；

获取所述第二任务队列中所述待处理图片的第二审核结果；

利用所述多个第一审核结果一致时的审核结果或所述第二审核结果对所述待处理图片进行分类。

在一种可能的实施方式中，所述将获取的待处理图片进行哈希处理，获取对应的哈希值包括：

在redis缓冲队列中哈希值的个数小于阈值时，从kafka消息队列中获取待处理图片；

将待处理图片进行哈希处理，获取对应的哈希值；

当所述哈希值在redis缓冲队列中不存在时，将所述待处理图片进行存储，并将所述哈希值送入redis缓冲队列中。

在一种可能的实施方式中，所述将获取的待处理图片进行哈希处理，获取对应的哈希值，还包括：

在所述redis缓冲队列中哈希值的个数大于或等于阈值时，停止从kafka消息队列中获取待处理图片，直到redis缓冲队列中哈希值的个数小于阈值。

在一种可能的实施方式中，将所述哈希值分别存入多个第一任务队列中的每个第一任务队列包括：

从redis缓冲队列中获取所述哈希值并送入多个第一任务队列中的每个第一任务队列。

在一种可能的实施方式中，将所述哈希值分别存入多个第一任务队列中的每个第一任务队列之后，所述方法还包括：

从第一任务队列中获取所述哈希值，将所述哈希值、第一任务队列的第一队列编号与第一可过期键关联，所述第一可过期键为第一预设时长的计时器；

监听所述第一可过期键，在所述第一可过期键过期超时时，将所述哈希值返回到对应的第一任务队列中；或

将所述哈希值存入第二任务队列后，所述方法还包括：

从第二任务队列中获取所述哈希值，将所述哈希值、第二任务队列的第二队列编号与第二可过期键关联，所述第二可过期键为第二预设时长的计时器；

监听所述第二可过期键，在所述第二可过期键过期超时时，将所述哈希值范围到对应的第二任务队列中。

根据本公开的另一方面，提出了一种图片处理装置，所述装置包括：

处理模块，用于将待处理图片进行哈希处理，获取对应的哈希值；

第一入队模块，连接于所述处理模块，用于将所述哈希值分别存入多个第一任务队列中的每个第一任务队列；

第一获取模块，连接于所述第一入队模块，用于针对每个第一任务队列，获取与该第一任务队列对应的所述待处理图片的第一审核结果；

第二入队模块，连接于所述第一获取模块，用于在多个第一审核结果不一致时，将所述哈希值送入第二任务队列；

第二获取模块，连接于所述第二入队模块，用于获取所述第二任务队列中所述待处理图片的第二审核结果；

分类模块，连接于所述第一获取模块及所述第二获取模块，用于利用所述多个第一审核结果一致时的审核结果或所述第二审核结果对所述待处理图片进行分类。

在一种可能的实施方式中，所述处理模块包括：

获取子模块，用于在redis缓冲队列中哈希值的个数小于阈值时，从kafka消息队列中获取待处理图片；

处理子模块，连接于所述获取子模块，用于将待处理图片进行哈希处理，获取对应的哈希值；

存储子模块，连接于所述处理子模块，用于当所述哈希值在redis缓冲队列中不存在时，将所述待处理图片进行存储，并将所述哈希值送入redis缓冲队列中。

在一种可能的实施方式中，所述处理模块还包括：

监听子模块，连接于所述获取子模块，用于在所述redis缓冲队列中哈希值的个数大于或等于阈值时，停止从kafka消息队列中获取待处理图片，直到redis缓冲队列中哈希值的个数小于阈值。

在一种可能的实施方式中，所述第一入队模块包括：

第一入队子模块，用于从redis缓冲队列中获取所述哈希值并送入多个第一任务队列中的每个第一任务队列。

在一种可能的实施方式中，所述装置还包括：

第一关联模块，连接于所述第一入队模块，用于在所述哈希值分别存入多个第一任务队列中的每个第一任务队列之后，从第一任务队列中获取所述哈希值，将所述哈希值、第一任务队列的第一队列编号与第一可过期键关联，所述第一可过期键为第一预设时长的计时器；

第一监听模块，连接于所述第一关联模块，用于监听所述第一可过期键，在所述第一可过期键过期超时时，将所述哈希值返回到对应的第一任务队列中；或

所述装置还包括：

第二关联模块，连接于所述第二入队列模块，用于在所述哈希值存入第二任务队列后，从第二任务队列中获取所述哈希值，将所述哈希值、第二任务队列的第二队列编号与第二可过期键关联，所述第二可过期键为第二预设时长的计时器；

第二监听模块，连接于所述第二关联模块，用于监听所述第二可过期键，在所述第二可过期键过期超时时，将所述哈希值范围到对应的第二任务队列中。

根据本公开的另一方面，提供了一种图片处理系统，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述图片处理方法。

根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述图片处理方法。

本公开的图片处理方法，可以对待处理图片进行简单、快速、有效的分类，为深度学习中模型的训练积累大量、真实、可靠的数据，从而提高深度学习的性能。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出了根据本公开一实施方式的图片处理方法的流程图。

图2示出了根据本公开一实施方式的图片处理方法的流程图。

图3示出了根据本公开一实施方式的图片处理装置的框图。

图4示出了根据本公开一实施方式的图片处理装置的框图。

图5示出了根据本公开一实施方式的图片处理系统的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

现有技术中，对图片通常进行人工审核，且往往是一个人通过主观意志来鉴别图片是否真实有效。然而，一个人对图片的审核结果往往不够准确，容易导致审核效率低、误判漏判等问题。例如，在某些情况下，需要对互联网上不良图片进行识别拦截，在深度学习的训练过程中，如果数据集中的图片包含有许多正常的图片，这样的数据集往往会对训练出的模型造成很大的不利影响，降低图像识别的准确率。而单人审核容易造成不良图片数据集中出现过多的正常图片，对深度学习中模型的训练带来不好的结果，降低图像识别的准确率。

本公开通过图片处理方法提供多人审核的技术基础，设置初审和复审两岗审核机制，在多个初审人员审核结果不一致时，将审核结果不一致的图片显示给复审人员进行复审，从而提高待处理图片的审核效率和准确率。

请参阅图1，图1示出了根据本公开一实施方式的图片处理方法的流程图。

本公开的图片处理方法可以应用于服务器或终端中，如图1所示，所述方法可以包括：

步骤s110，将待处理图片进行哈希处理，获取对应的哈希值。

在一种可能的实施方式中，待处理图片可以从kafka平台获取，例如，可以从kafka消息队列中获取待处理图片。kafka是由apache软件基金会开发的一个开源流处理平台，由scala和java编写，kafka是一种高吞吐量的分布式发布订阅消息系统，它可以处理消费者规模的网站中的所有动作流数据。

在一种可能的实施方式中，对待处理图片进行哈希处理采用的哈希算法可以为消息摘要算法md5(message-digestalgorithmmd5)，利用消息摘要算法md5对待处理图片进行处理，以获取待处理图片对应的哈希值(md5值)。消息摘要算法md5是一种被广泛使用的密码散列函数，可以产生出一个128位(16字节)的散列值(hashvalue)，用于确保信息传输完整一致。所述哈希值与待处理图片一一对应，所述哈希值可以作为待处理图片的唯一身份信息，用户可以通过所述哈希值获取对应的待处理图片。在其他实施方式中，可以选择其他的哈希算法对待处理图片进行处理，例如，还可以采用消息摘要算法md4、安全散列算法sha-1、安全散列算法sha-2等其他哈希算法对待处理图片进行处理，从而获得对应的哈希值。应该明白的是，只要对待处理图片进行处理后可以获得待处理图片的唯一标识值，这样的处理方法都可以运用于不走s110中，本公开不做限制。

步骤s120，将所述哈希值送入多个第一任务队列中的每个第一任务队列。

在一种可能的实施方式中，可以从redis缓冲队列中获取所述哈希值并送入多个第一任务队列中的每个第一任务队列。

在一个示例中，第一任务队列可以指分配到某一个初审人员的待审核图片的哈希值所组成的队列，第一任务队列的数目可以根据实际情况设置，例如，第一任务队列的数目可以根据初审人员的数目进行设置。一个第一队列对应一个初审人员。初审人员可以通过与之对应的第一任务队列读取待处理图片，对待处理图片进行审核。

在一种可能的实施方式中，将所述哈希值送入多个第一任务队列之前，所述方法还可以包括：

创建多个第一任务队列。

在本实施方式中，可以根据初审人员的数目创建对应数目的第一任务队列，例如，当对待处理图片进行初审的初审人员为5人，则创建5个第一任务队列，该5个第一任务队列与各个初审人员的id一一对应，初审人员通过对应的第一任务队列中的哈希值获取待处理图片，并对待处理图片进行审核。

步骤s130，针对每个第一任务队列，获取与该第一任务队列对应的所述待处理图片的第一审核结果。

初审人员可以通过web平台层从第一任务队列中获取待处理图片，因待处理图片与其对应的哈希值一一对应，每个初审人员的用户id与每个第一任务队列的队列编号具有一一对应的关系。当初审人员从第一任务队列中读取哈希值时，与该哈希值对应的待处理图片出现在web平台中(例如网页页面或其他可视化界面)，初审人员可以对出现在web平台中的待处理图片进行审核。

在一个示例中，当初审人员获取待处理图片后，对待处理图片进行审核，并对待处理图片标记第一审核结果，例如，当待处理图片为不良图片时，初审人员将待处理图片标记为不良图片，当待处理图片为正常图片时，初审人员将待处理图片标记为正常图片，“不良图片”、“正常图片”之类的标记即作为第一审核结果返回。与每一个第一任务队列对应，都可以获取相应的第一审核结果。

步骤s140，在多个第一审核结果不一致时，将所述哈希值送入第二任务队列。

在一种可能的实施方式中，将所述哈希值送入第二任务队列中之前，所述方法还可以包括：

创建第二任务队列。

在本实施方式中，可以根据复审人员的数目创建对应数目的第二任务队列，例如，当对待处理图片进行复审的审核人员为1人，则创建1个第二任务队列，该第二任务队列与复审人员的id对应，复审人员通过对应的第二任务队列中的哈希值获取待处理图片，并对待处理图片进行审核。当然，第二任务队列的数目也可以是多个，其数目与复审人员的数目对应，也即，当复审人员为多个时，可以创建多个第二任务队列，多个复审人员通过多个第二任务队列对待处理图片进行复审。

在一种可能的实施方式中，当获取到对待处理图片的多个第一审核结果时，可以对多个第一审核结果进行判断，判断结果可以分为多个第一审核结果一致及多个第一审核结果不一致两种。

在多个第一审核结果不一致时，可以从缓冲队列或多个第一任务队列中的其中之一获取多个第一审核结果不一致的待处理图片对应的哈希值，并将该哈希值送入第二任务队列中。

步骤s150，获取所述第二任务队列中所述待处理图片的第二审核结果。

在一种可能的实施方式中，当待处理图片的哈希值进入第二任务队列后，复审人员从第二任务队列中获取待处理图片，并在预设时长内对该待处理图片进行复审，并返回第二审核结果。例如，多个初审人员中，一部分将待处理图片审核为不良图片，另一部分将待处理图片审核为正常图片，则启动复审程序，当复审人员将待处理图片标记为不良图片时，该标记作为第二审核结果返回。

步骤s160，利用所述多个第一审核结果一致时的审核结果或所述第二审核结果对所述待处理图片进行分类。

当多个第一审核结果一致，则利用第一审核结果对待处理图片进行分类。若多个第一审核结果都为待处理图片为不良图片，则将该图片标记为不良图片，将其归类到不良图片类别中，可以利用ftp保存图片数据；若多个第一审核结果都为待处理图片为正常图片，那么将图片标记为正常图片，归类为正常图片类别中，并且可以删除数据库汇总的图片审核信息及该带处理图片。

当多个第一审核结果不一致时，则根据第二审核结果对待处理图片进行分类。若第二审核结果为待处理图片为不良图片，则将待处理图片标记为不良图片，将其归类到不良图片类别中，可以利用ftp保存图片数据。

本公开通过将待处理图片进行哈希处理，获取对应的哈希值，将所述哈希值送入多个第一任务队列，以对所述待处理图片进行审核，针对每个第一任务队列，获取与该第一任务队列对应的所述待处理图片的第一审核结果，在多个第一审核结果不一致时，将所述哈希值送入第二任务队列中，以对所述待处理图片进行审核获得所述待处理图片的第二审核结果，利用所述多个第一审核结果一致时的审核结果或所述第二审核结果对所述待处理图片进行分类，可以对待处理图片进行简单、快速、有效的分类，为深度学习中模型的训练积累大量、真实、可靠的数据，从而提高深度学习的性能。

请参阅图2，图2示出了根据本公开一实施方式的图片处理方法的流程图。

如图2所示，步骤s110可以包括：

步骤s111，在所述redis缓冲队列中哈希值的个数大于或等于阈值时，停止从kafka消息队列中获取待处理图片，直到redis缓冲队列中哈希值的个数小于阈值。

步骤s112，在redis缓冲队列中哈希值的个数小于阈值时，从kafka消息队列中获取待处理图片。

步骤s113，将待处理图片进行哈希处理，获取对应的哈希值；

步骤s114，当所述哈希值在redis缓冲队列中不存在时，将所述待处理图片进行存储，并将所述哈希值送入redis缓冲队列中。

在一个示例中，缓冲队列可以是redis的缓冲队列。redis是一个开源(bsd许可)的、内存中的数据结构存储系统，它可以用作数据库、缓存和消息中间件。它支持多种类型的数据结构，如字符串(strings)，散列(hashes)，列表(lists)，集合(sets)，有序集合(sortedsets)与范围查询，地理空间(geospatial)索引半径查询。

在一种可能实施方式中，可以设置缓冲队列的长度的阈值为30000，也即，缓冲队列中可以放入30000个待处理图片的哈希值。所述阈值设定为30000的根据在于，根据测试发现，一个审核人员在8小时内的图片审核数量不会超过30000张，因此，阈值可以设定30000。有效的阈值可以确保redis缓冲队列有足够的待处理图片的哈希值，不需要频繁的从kafka消息队列中取消息，方便审核人员在web页面审核待处理图片时，能够正常的拿到待处理图片。然而，阈值过大，会造成redis缓冲队列中存储过多的待处理图片的哈希值，造成资源的浪费及性能的下降；阈值过小，有可能造成审核图片时，缓冲队列中的数据为空，无法正常审核待处理图片，影响审核效率。当然，所述阈值可以根据实际需要设定，本公开不做限定。

在一种可能实施方式中，当redis缓冲队列中哈希值的个数大于或等于阈值时，可以通过触发python语言实现的阻塞机制对redis缓冲队列中的哈希值的个数进行监控，在所述阻塞机制被触发时，停止从kafka消息队列中获取待处理图片，直到redis缓冲队列中哈希值的个数小于阈值。例如，在阻塞机制中可以设置预设时长为1秒或其它时长的循环定时器以对redis缓冲队列中的哈希值的个数进行监控，在redis缓冲队列中哈希值的个数小于阈值时，跳出循环，从而停止阻塞机制，并从kafka消息队列中获取待处理图片。

当获取待处理图片后，利用一种哈希算法对待处理图片进行处理，获得对应的哈希值。

可以利用所述哈希值与redis缓冲队列中的哈希值进行对比，判断所述哈希值是否在redis缓冲队列中是否存在，以对待处理图片是否重复进行判断，在所述哈希值在redis缓冲队列中不存在时(表明待处理图片是不重复的)，将所述待处理图片进行存储，并将所述哈希值送入redis的缓冲队列中。当所述哈希值在redis缓冲队列中存在时，可以从kafka消息队列中重新获取待处理图片。

在一种可能实施方式中，可以利用redis中的sadd去重方法判断待处理图片是否重复。redis中的sadd命令可以将一个或多个成员元素(例如所述哈希值)加入到集合中，已经存在于集合的成员元素将被忽略。当然也可以选择其他方式对待处理图片是否重复进行判断，本公开不做限制。

在一种可能实施方式中，可以利用ftp(filetransferprotocol，文件传输协议)将待处理图片存储到指定存储位置。

在一种可能的实施方式中，终端或服务器还可以对web平台中的待处理图片的审核情况进行监控，当待处理图片在预设时间内未被审核时，则将待处理图片视为过期数据，并将待处理图片的哈希值返回到该初审人员对应的第一任务队列中，该过程可以包括如下步骤：

步骤s210，从第一任务队列中获取所述哈希值，将所述哈希值、第一任务队列的第一队列编号与第一可过期键关联，所述第一可过期键为第一预设时长的计时器；

步骤s211，监听所述第一可过期键，在所述第一可过期键过期超时时，将所述哈希值返回到对应的第一任务队列中。

在redis组件中有个功能pubsub，pubsub能够发布和订阅任务队列频道，在一种可能的实现方式中，可以通过pubsub设置可过期键，并通过pubsub对可过期键进行监听，以对在web平台中的待处理图片的审核情况进行监听，一旦待处理图片的审核过期(可过期键过期超时)就会被标记成“expired”状态。

举例来说，第一任务队列中的一个哈希值对应的待处理图片被加载到页面(如果第一任务队列的待处理图片没有被订阅，即没有被加载到页面，是不存在过期的概念的)，一旦待处理图片被加载到页面，通过pubsub根据所述哈希值、第一任务队列的第一队列编号生成第一可过期键，第一可过期键为时长3分钟的计时器，通过pubsub对第一可过期键进行监控，假如第一可过期键过期超时，也就是审核人员在3分钟(设定的第一预设时长)内没有进行审核操作，该待处理图片数据就代表过期，假如该待处理图片数据在3分钟内被审核了就代表不过期。将与过期超时的第一可过期键对应的哈希值返回到第一任务队列中，防止待处理图片丢失。在一种可能的实施方式中，可以对web平台中对应于第二任务队列的待处理图片的审核情况进行监控，当复审人员读取第二任务队列中的待处理图片但在预设时间内未进行审核时，可以认定审核超时过期，此时，可以将待处理图片的哈希值返回到第二任务队列中，该过程步骤可以包括：

步骤s220，从第二任务队列中获取所述哈希值，将所述哈希值、第二任务队列的第二队列编号与第二可过期键关联，所述第二可过期键为第二预设时长的计时器；

步骤s221，监听所述第二可过期键，在所述第二可过期键过期超时时，将所述哈希值返回到对应的第二任务队列中。

在一种可能的实施方式中，入队列的方式可以选择先进先出(firstinfirstout，fifo)或者后进先出(lastinfirstout，lifo)，或者其他的方式。

在一种可能的实施方式中，所述哈希值可以返回到第一任务队列、第二任务队列的头部，也可以返回到第一任务队列、第二任务队列的尾部，该领域的技术人员可以根据需要进行设置，本公开不做限定。

步骤s120-s160的其他描述请参阅之前对图1的介绍，在此不再赘述。

请参阅图3，图3示出了根据本公开一实施方式的图片处理装置的框图。

如图3所示，所述装置包括：

处理模块10，用于将待处理图片进行哈希处理，获取对应的哈希值；

第一入队模块20，连接于所述处理模块10，用于将所述哈希值分别存入多个第一任务队列中的每个第一任务队列；

第一获取模块30，连接于所述第一入队模块20，用于针对每个第一任务队列，获取与该第一任务队列对应的所述待处理图片的第一审核结果；

第二入队模块40，连接于所述第一获取模块30，用于在多个第一审核结果不一致时，将所述哈希值送入第二任务队列；

第二获取模块50，连接于所述第二入队模块40，用于获取所述第二任务队列中所述待处理图片的第二审核结果；

分类模块60，连接于所述第一获取模块30及所述第二获取模块50，用于利用所述多个第一审核结果一致时的审核结果或所述第二审核结果对所述待处理图片进行分类。

应该说明的是，上述图片处理装置为前述的图片处理方法对应的装置项，其具体描述请参考之前对图片处理方法的介绍，在此不再赘述。

本公开的图片处理装置，可以对待处理图片进行简单、快速、有效的分类，为深度学习中模型的训练积累大量、真实、可靠的数据，从而提高深度学习的性能。

请参阅图4，图4示出了根据本公开一实施方式的图片处理装置的框图。

如图4所示，所述装置包括处理模块10、第一入队模块20、第一获取模块30、第二入队模块40、第二获取模块50、分类模块60。

在一种可能的实施方式中，所述处理模块10可以包括监听子模块11、获取子模块12、处理子模块13、存储子模块14。

获取子模块12，用于在redis缓冲队列中哈希值的个数小于阈值时，从kafka消息队列中获取待处理图片；

处理子模块13，连接于所述获取子模块12，用于将待处理图片进行哈希处理，获取对应的哈希值；

存储子模块14，连接于所述处理子模块13，用于当所述哈希值在redis缓冲队列中不存在时，将所述待处理图片进行存储，并将所述哈希值送入redis缓冲队列中。

监听子模块11，连接于所述获取子模块12，用于在所述redis缓冲队列中哈希值的个数大于或等于阈值时，停止从kafka消息队列中获取待处理图片，直到redis缓冲队列中哈希值的个数小于阈值。

在一种可能的实施方式中，所述第一入队模块20可以包括：

第一入队子模块21，用于从redis缓冲队列中获取所述哈希值并送入多个第一任务队列中的每个第一任务队列。

在一种可能的实施方式中，所述装置还可以包括：

第一关联模块70，连接于所述第一入队模块20，用于在所述哈希值分别存入多个第一任务队列中的每个第一任务队列之后，从第一任务队列中获取所述哈希值，将所述哈希值、第一任务队列的第一队列编号与第一可过期键关联，所述第一可过期键为第一预设时长的计时器；

第一监听模块71，连接于所述第一关联模块70，用于监听所述第一可过期键，在所述第一可过期键过期超时时，将所述哈希值返回到对应的第一任务队列中。

在一种可能的实施方式中，所述装置还可以包括：

第二关联模块80，连接于所述第二入队列模块40，用于在所述哈希值存入第二任务队列后，从第二任务队列中获取所述哈希值，将所述哈希值、第二任务队列的第二队列编号与第二可过期键关联，所述第二可过期键为第二预设时长的计时器；

第二监听模块81，连接于所述第二关联模块80，用于监听所述第二可过期键，在所述第二可过期键过期超时时，将所述哈希值范围到对应的第二任务队列中。

应该说明的是，上述图片处理装置为前述的图片处理方法对应的装置项，其具体描述请参考之前对图片处理方法的介绍，在此不再赘述。

本公开的图片处理装置，可以对待处理图片进行简单、快速、有效的分类，为深度学习中模型的训练积累大量、真实、可靠的数据，从而提高深度学习的性能。

请参阅图5，图5示出了根据本公开一实施方式的图片处理系统的框图。

参照图5，该系统900可包括处理器901、存储有机器可执行指令的机器可读存储介质902。处理器901与机器可读存储介质902可经由系统总线903通信。并且，处理器901通过读取机器可读存储介质902中与图片处理逻辑对应的机器可执行指令以执行上文所述的图片处理方法。

本文中提到的机器可读存储介质902可以是任何电子、磁性、光学或其它物理存储系统，可以包含或存储信息，如可执行指令、数据，等等。例如，机器可读存储介质可以是：ram(radomaccessmemory，随机存取存储器)、易失存储器、非易失性存储器、闪存、存储驱动器(如硬盘驱动器)、固态硬盘、任何类型的存储盘(如光盘、dvd等)，或者类似的存储介质，或者它们的组合。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。