图像处理方法、装置、设备、可读存储介质及程序产品与流程

本申请涉及计算机，具体涉及图像处理方法、图像处理装置、计算机设备、计算机可读存储介质以及计算机程序产品。

背景技术：

1、图像异常检测是图像处理领域的一个重要研究方向，在工业外观缺陷检测、医学图像分析、高光谱图像处理等领域有较高的研究意义和应用价值。目前，通过分类模型输出的多个类别的最高置信度作为图像异常检测的判断依据，当最高置信度小于判定阈值时，判定为异常图像。该方法极度依赖模型输出的最高置信度，在诸如模型过拟合等情况下对于异常图像也会输出较高的置信度，导致误判的可能性较高。因此，如何提高图像分类和异常检测的准确性，是目前亟需解决的问题。

技术实现思路

1、本申请提供了一种图像处理方法、装置、设备、可读存储介质及程序产品，可以提高图像分类和异常检测的准确性。

2、第一方面，本申请提供了一种图像处理方法，该方法包括：

3、利用图像识别模型的特征提取网络对待处理图像进行特征提取处理，得到上述待处理图像的图像特征；上述待处理图像中包括待识别对象；

4、利用上述图像识别模型的基础分类网络和扩增分类网络分别对上述图像特征进行分类处理，得到基础分类结果和扩增分类结果；上述基础分类结果包括多个参考类别各自对应的预测概率，上述扩增分类结果包括上述多个参考类别和异常类别各自对应的预测概率，上述预测概率是相应分类网络预测的上述待处理图像所对应类别为目标类别的概率；上述目标类别为上述预测概率所对应的类别，上述待处理图像所对应类别为上述待识别对象的类别或者上述待处理图像的类别；

5、根据上述基础分类结果和上述扩增分类结果，确定上述待处理图像的图像识别结果；

6、其中，上述图像识别模型是利用样本图像的标注类别、第一基础分类结果、第一扩增分类结果、第二基础分类结果和第二扩增分类结果对初始识别模型进行训练得到；上述第一基础分类结果和上述第一扩增分类结果是利用上述初始识别模型的基础分类网络和扩增分类网络，分别对上述样本图像的初始图像特征进行分类处理得到，上述第二基础分类结果和上述第二扩增分类结果是利用上述初始识别模型的基础分类网络和扩增分类网络，分别对上述样本图像的扰动图像特征进行分类处理得到；上述扰动图像特征是根据上述标注类别、上述第一基础分类结果、上述第一扩增分类结果和上述初始图像特征确定的。

7、第二方面，本申请提供了一种图像处理装置，该装置包括：

8、获取模块，用于利用图像识别模型的特征提取网络对待处理图像进行特征提取处理，得到上述待处理图像的图像特征；上述待处理图像中包括待识别对象；

9、处理模块，用于利用上述图像识别模型的基础分类网络和扩增分类网络分别对上述图像特征进行分类处理，得到基础分类结果和扩增分类结果；上述基础分类结果包括多个参考类别各自对应的预测概率，上述扩增分类结果包括上述多个参考类别和异常类别各自对应的预测概率，上述预测概率是相应分类网络预测的上述待处理图像所对应类别为目标类别的概率；上述目标类别为上述预测概率所对应的类别，上述待处理图像所对应类别为上述待识别对象的类别或者上述待处理图像的类别；

10、输出模块，用于根据上述基础分类结果和上述扩增分类结果，确定上述待处理图像的图像识别结果；

11、其中，上述图像识别模型是利用样本图像的标注类别、第一基础分类结果、第一扩增分类结果、第二基础分类结果和第二扩增分类结果对初始识别模型进行训练得到；上述第一基础分类结果和上述第一扩增分类结果是利用上述初始识别模型的基础分类网络和扩增分类网络，分别对上述样本图像的初始图像特征进行分类处理得到，上述第二基础分类结果和上述第二扩增分类结果是利用上述初始识别模型的基础分类网络和扩增分类网络，分别对上述样本图像的扰动图像特征进行分类处理得到；上述扰动图像特征是根据上述标注类别、上述第一基础分类结果、上述第一扩增分类结果和上述初始图像特征确定的。

12、第三方面，本申请提供了一种计算机设备，包括：处理器、存储装置和通信接口，上述处理器、上述通信接口和上述存储装置相互连接，其中，上述存储装置存储有可执行程序代码，上述处理器用于调用上述可执行程序代码，用以实现上述的图像处理方法。

13、第四方面，本申请提供了一种计算机可读存储介质，上述计算机可读存储介质存储有计算机程序，上述计算机程序包括程序指令，上述程序指令被处理器执行，用以实现如上述的图像处理方法。

14、第五方面，本申请提供了一种计算机程序产品，上述计算机程序产品包括计算机程序或计算机指令，上述计算机程序或计算机指令被处理器执行，用以实现上述的图像处理方法。

15、本申请利用图像识别模型中包括的基础分类网络和扩增分类网络分别对待处理图像的图像特征进行分类处理，得到基础分类结果和扩增分类结果，进而得到待处理图像的图像识别结果。通过将扩增分类结果中的异常类别的预测概率作为图像异常检测的参考数据，并充分结合两个分类网络各自在多个参考类别上的预测概率，使得在能够稳定获得多个参考类别的分类结果的前提下，实现异常图像的判定，从而提高图像分类和异常检测的准确性。并且，本申请利用样本图像的初始图像特征，以及在初始图像特征的基础上通过扰动处理生成的扰动图像特征，对图像识别模型进行训练。扰动图像特征可以视为样本图像对应的异常样本的图像特征，用于引导、优化两个分类网络的概率输出。通过上述方法，可以进一步提高图像识别模型在图像分类和异常检测任务中的准确性，进而保证了图像识别结果的准确性。

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，所述根据所述基础分类结果和所述扩增分类结果，确定所述待处理图像的图像识别结果，包括：

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

4.根据权利要求2所述的方法，其特征在于，所述根据所述基础分类结果和所述扩增分类结果，确定异常评估数据，包括：

5.根据权利要求1-4中任一项所述的方法，其特征在于，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，所述第一基础分类结果包括所述多个参考类别各自对应的基础预测概率，所述第一扩增分类结果包括所述多个参考类别和所述异常类别各自对应的基础预测概率，所述基础预测概率是相应分类网络预测的所述样本图像所对应类别为第一类别的概率；所述第一类别为所述基础预测概率所对应的类别，所述样本图像所对应类别是指所述样本对象的类别或者所述样本图像的类别；

7.根据权利要求5所述的方法，其特征在于，所述根据所述样本图像的标注类别、所述第一基础分类结果、所述第一扩增分类结果和所述初始图像特征确定扰动图像特征，包括：

8.根据权利要求5所述的方法，其特征在于，所述方法还包括：

9.一种图像处理装置，其特征在于，所述装置包括：

10.一种计算机设备，其特征在于，包括：处理器、存储装置和通信接口，所述处理器、所述通信接口和所述存储装置相互连接，其中，所述存储装置存储有可执行程序代码，所述处理器用于调用所述可执行程序代码，用以实现如权利要求1-8中任一项所述的图像处理方法。

11.一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存储有计算机程序，所述计算机程序包括程序指令，所述程序指令被处理器执行，用以实现如权利要求1-8中任一项所述的图像处理方法。

12.一种计算机程序产品，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，用以实现如权利要求1-8中任一项所述的图像处理方法。

技术总结
本申请实施例提出了一种图像处理方法、装置、设备、可读存储介质及程序产品，可应用于云技术、人工智能、车载、工业质检等领域或场景，该方法包括：利用图像识别模型的特征提取网络对待处理图像进行特征提取处理，得到待处理图像的图像特征；待处理图像中包括待识别对象；利用图像识别模型的基础分类网络和扩增分类网络分别对图像特征进行分类处理，得到基础分类结果和扩增分类结果；基础分类结果包括多个参考类别各自对应的预测概率，扩增分类结果包括多个参考类别和异常类别各自对应的预测概率；根据基础分类结果和扩增分类结果，确定待处理图像的图像识别结果。通过本申请实施例，可以提高图像分类和异常检测的准确性。

技术研发人员：张博深
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