图像处理方法、装置、计算机设备及存储介质与流程

本申请涉及计算机，尤其涉及一种图像处理方法、装置、计算机设备及存储介质。

背景技术：

1、动画、漫画、游戏(animation、comic、game，acg)识别是指区分图片的具体类别的方法，其中，acg常会出现一个作者或者一个主题(也就是一个知识产权(intellectualproperty，ip)系列)批量出现的问题，该ip系列常常会实时更新，更新的作品中类别丰富多样。现有的acg识别模型基于以深度学习分类的方法为主，辅助人工进行二次审核，然而，该方法只考虑了分类的问题，而忽略了图片根据ip系列更新的问题，且现有使用分类的方法往往就是直接进行迁移学习，这样也忽略了ip数据独有的任务特征，从而，采用深度学习分类的方法无法很好的对ip系列的acg数据进行分类。现有的方法中，对于ip系列图片的判断主要是通过检索的方法，该方法通过获取图片的特征之后，再通过局部算子或者全局算子匹配，判断图片是否属于同一ip。然而，该检索的方法需要图片自身带有标签信息，而无法做好较好的正常类别的区分。因此，如何提升对ip系列图像识别的准确度成为了一个亟待解决的问题。

技术实现思路

1、本申请实施例提供一种图像处理方法、装置、计算机设备及存储介质，可利用图像的知识产权信息辅助完成图像识别，从而提升图像识别的准确度。

2、第一方面，本申请实施例提供了一种图像处理方法，该方法包括：

3、对目标图像进行编码处理，得到目标图像的第一特征图，对第一特征图进行特征提取，得到第二特征图；其中，第一特征图用于表征目标图像的图像特征，第二特征图用于表征目标图像的知识产权的产权特征；

4、利用第二特征图对第一特征图特征进行注意力学习，得到目标图像的图像表征向量；

5、基于图像表征向量对目标图像进行属性类别预测，得到目标图像的属性类别，以及基于第二特征图对目标图像的知识产权进行产权类别预测，得到目标图像的产权类别；

6、根据目标图像的产权类别，以及目标图像的属性类别，确定目标图像的目标类别。

7、第二方面，本申请实施例提供了一种图像处理装置，该装置包括：

8、处理单元，用于对目标图像进行编码处理，得到目标图像的第一特征图，对第一特征图进行特征提取，得到第二特征图；其中，第一特征图用于表征目标图像的图像特征，第二特征图用于表征目标图像的知识产权的产权特征；

9、处理单元，还用于利用第二特征图对第一特征图特征进行注意力学习，得到目标图像的图像表征向量；

10、处理单元，还用于基于图像表征向量对目标图像进行属性类别预测，得到目标图像的属性类别，以及基于第二特征图对目标图像的知识产权进行产权类别预测，得到目标图像的产权类别；

11、确定单元，用于根据目标图像的产权类别，以及目标图像的属性类别，确定目标图像的目标类别。

12、第三方面，本申请实施例提供了一种计算机设备，该计算机设备包括处理器、通信接口和存储器，该处理器、通信接口和存储器相互连接，其中，该存储器存储有计算机程序，该处理器用于调用该计算机程序，执行本申请实施例提供的图像处理方法。

13、第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现本申请实施例提供的图像处理方法。

14、第五方面，本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。终端的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该终端执行本申请实施例提供的图像处理方法。

15、本申请实施例中，通过将表征图像的知识产权的产权特征作为注意力叠加到图像的图像特征中，可增强对于图像的知识产权信息的识别，从而，通过利用目标图像的知识产权信息辅助完成对于该图像的识别，能够提升图像识别的准确度。

技术特征：

1.一种图像处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标图像的产权类别，以及所述目标图像的属性类别，确定所述目标图像的目标类别，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据目标字典矩阵、所述目标图像的产权类别，以及所述目标图像的属性类别，确定所述目标图像的目标类别，包括：

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的方法，其特征在于，所述目标图像的目标类别是调用类别识别模型确定的；所述方法还包括：

6.根据权利要求5所述的方法，其特征在于，所述类别识别模型包括第一目标分类网络和第二目标分类网络，其中，所述第一目标分类网络用于确定所述目标图像的属性类别，所述第二目标分类网络用于确定所述目标图像的产权类别；

7.根据权利要求2所述的方法，其特征在于，所述目标字典矩阵是基于目标字典学习模型确定的；所述方法还包括：

8.一种图像处理装置，其特征在于，所述装置包括：

9.一种计算机设备，其特征在于，所述计算机设备包括存储器、通信接口以及处理器，其中，所述存储器、所述通信接口和所述处理器相互连接；所述存储器存储有计算机程序，所述处理器调用所述存储器中存储的计算机程序，用于实现权利要求1至7任一项所述的图像处理方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的图像处理方法。

11.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序或计算机指令，所述计算机程序或计算机指令被处理器执行时实现如权利要求1至7中任一项所述的图像处理方法。

技术总结
本申请实施例提供了一种图像处理方法、装置、计算机设备及存储介质，可应用于人工智能、深度学习等领域。其中方法包括：对目标图像进行编码处理，得到目标图像的第一特征图，对第一特征图进行特征提取，得到第二特征图；利用第二特征图对第一特征图特征进行注意力学习，得到目标图像的图像表征向量；基于图像表征向量对目标图像进行属性类别预测，得到目标图像的属性类别，以及基于第二特征图对目标图像的知识产权进行产权类别预测，得到目标图像的产权类别；根据目标图像的产权类别，以及目标图像的属性类别，确定目标图像的目标类别。采用本申请实施例，可利用图像的知识产权信息辅助完成图像识别，从而能够提升图像识别的准确度。

技术研发人员：朱城,鄢科
受保护的技术使用者：腾讯科技（深圳）有限公司
技术研发日：
技术公布日：2024/1/15