【技术实现步骤摘要】
模型优化方法、装置、计算机设备及计算机存储介质
[0001]本申请涉及人工智能技术及图像处理
,尤其涉及一种模型优化方法、装置、计算机设备及计算机存储介质。
技术介绍
[0002]日新月异的人工智能技术及图像处理技术推进了各行各业的发展。在具体应用中,计算机设备可以利用人工智能技术,对用于进行图像处理的神经网络的网络参数进行优化处理,以使得优化后的神经网络在用于执行相应图像处理任务时能够得到更优质的处理结果。其中,计算机设备对图像执行图像处理任务时,通常需要基于该图像的图像特征所表达的特征信息来实现。由于在某些图像处理场景(如智慧医疗场景)下,图像处理所需参考的特征信息在图像中可能是以微小且分散的形式呈现的,但当前图像处理方式中所提取的图像特征的特征表达能力通常较差,难以综合表达图像中细微且分散的细节特征信息及全局特征信息。因此,如何提取得到特征表达能力较强的图像特征,便成了图像处理领域的一项重要研究课题。
技术实现思路
[0003]本申请实施例提供了一种模型优化方法、装置、设备及计算机存储介质,可使得优化后的图像处理模型能够提取出特征表达能力较强的图像特征。
[0004]一方面,本申请实施例提供了一种模型优化方法,包括:
[0005]获取样本图像,并获取所述样本图像的多个局部特征;其中,一个局部特征用于指示所述样本图像中的一个局部区域所蕴含的图像语义信息;
[0006]采用图像处理模型对所述样本图像进行全局特征提取,得到所述样本图像的图像全局特征;
[0007] ...
【技术保护点】
【技术特征摘要】
1.一种模型优化方法,其特征在于,包括:获取样本图像,并获取所述样本图像的多个局部特征;其中,一个局部特征用于指示所述样本图像中的一个局部区域所蕴含的图像语义信息;采用图像处理模型对所述样本图像进行全局特征提取,得到所述样本图像的图像全局特征;采用所述图像处理模型,基于所述多个局部特征对所述样本图像进行全局特征预测,得到所述样本图像的预测全局特征,所述预测全局特征至少用于指示所述样本图像中多个局部区域所蕴含的图像语义信息;向着减小所述预测全局特征与所述图像全局特征之间语义差异的方向,对所述图像处理模型进行模型优化处理,以得到优化后的图像处理模型。2.根据权利要求1所述的方法,其特征在于,所述采用图像处理模型对所述样本图像进行全局特征提取,得到所述样本图像的图像全局特征,包括:对所述多个局部特征中的每个局部特征进行特征卷积处理,得到相应局部特征对应的卷积特征;对所述多个局部特征对应的卷积特征进行特征融合,得到所述样本图像的图像全局特征。3.根据权利要求1所述的方法,其特征在于,所述采用所述图像处理模型,基于所述多个局部特征对所述样本图像进行全局特征预测,得到所述样本图像的预测全局特征,包括:对所述多个局部特征进行特征拼接处理,得到所述样本图像的预测全局特征。4.根据权利要求1所述的方法,其特征在于,所述图像处理模型包括教师特征提取网络与学生特征提取网络,且所述教师特征提取网络是通过对所述学生特征提取网络中网络参数的参数值进行调整后得到的;所述采用图像处理模型对所述样本图像进行全局特征提取,得到所述样本图像的图像全局特征,包括:采用所述教师特征提取网络,对所述样本图像进行全局特征提取,得到所述样本图像的教师全局特征;采用所述学生特征提取网络,对所述样本图像进行全局特征提取,得到所述样本图像的学生全局特征;所述向着减小所述预测全局特征与所述图像全局特征之间语义差异的方向,对所述图像处理模型进行模型优化处理,以得到优化后的图像处理模型,包括:向着减小所述预测全局特征与所述图像全局特征之间的语义差异,以及所述教师全局特征与所述学生全局特征之间的语义差异的方向,对所述学生特征提取网络进行优化处理,以得到所述优化后的图像处理模型。5.根据权利要求4所述的方法,其特征在于,所述采用所述图像处理模型,基于所述多个局部特征对所述样本图像进行全局特征预测,得到所述样本图像的预测全局特征,包括:采用所述教师特征提取网络,基于所述多个局部特征对所述样本图像进行全局特征预测,得到所述样本图像的教师预测特征;采用所述学生特征提取网络,基于所述多个局部特征对所述样本图像进行全局特征预测,得到所述样本图像的学生预测特征;
向着减小所述预测全局特征与所述图像全局特征之间的语义差异的方向,对所述学生特征提取网络进行优化处理的方式包括:向着减小所述教师全局特征与所述教师预测特征之间的语义差异,以及,减小所述学生全局特征与所述学生预测特征之间的语义差异的方向,对所述学生特征提取网络进行优化处理,以得到所述优化后的图像处理模型。6.根据权利要求1所述的方法,其特征在于,所述图像处理模型包括教师特征提取网络与学生特征提取网络,且所述教师特征提取网络是通过对所述学生特征提取网络中网络参数的参数值进行调整后得到的;所述获取所述样本图像的多个局部特征,包括:采用所述教师特征提取...
【专利技术属性】
技术研发人员:李悦翔,黄雅雯,郑冶枫,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。