一种拼接图像的识别方法、装置、电子设备及存储介质与流程

本发明涉及计算机，具体涉及一种拼接图像的识别方法、装置、电子设备及存储介质。

背景技术：

1、随着ps软件在手机端的普及，越来越多的经过软件拼接后的图像出现在互联网上，在一些实际应用场景中，需要识别出经过拼接的图像，并把这些拼接图像挑选出来。

2、例如在医美或医护领域中，用户可以根据自己的治疗体验进行相关评论或者术后经验分享，其分享的手术前后拼接图像具有比文本数据更强大的表达力，可以给其他用户真正的参考，然而有些分享图像是背景图或环境图，并不是手术前后拼接图像，因此如何在大量的图像中识别出手术前后拼接图像，成为亟待解决的问题。

技术实现思路

1、本发明的目的是针对上述现有技术的不足提出的一种拼接图像的识别方法、装置、电子设备及存储介质，该目的是通过以下技术方案实现的。

2、本发明的第一方面提出了一种拼接图像的识别方法，所述方法包括：

3、将待识别的图像输入已训练的识别模型，通过所述识别模型中的特征提取网络对所述图像进行特征提取，以得到特征图；

4、通过所述识别模型中的拼接线预测网络获取所述特征提取网络得到的特征图，并基于所述特征图预测所述图像中的拼接线位置并输出；

5、通过所述识别模型中的分类网络获取所述特征提取网络得到的特征图和所述拼接线预测网络预测过程中产生的拼接线特征，并基于所述特征图和所述拼接线特征判定所述图像是否为包含目标内容的拼接图像。

6、本发明的第二方面提出了一种拼接图像的识别装置，所述装置包括：

7、模型识别模块，用于将待识别的图像输入已训练的识别模型，通过所述识别模型中的特征提取网络对所述图像进行特征提取，以得到特征图；通过所述识别模型中的拼接线预测网络获取所述特征提取网络得到的特征图，并基于所述特征图预测所述图像中的拼接线位置；通过所述识别模型中的分类网络获取所述特征提取网络得到的特征图和所述拼接线预测网络预测过程中产生的拼接线特征，并基于所述特征图和所述拼接线特征判定所述图像是否为包含目标内容的拼接图像；

8、结果获取模块，用于获取拼接线位置的预测结果和是否为包含目标内容的拼接图像的判定结果。

9、本发明的第三方面提出了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一方面所述方法的步骤。

10、本发明的第四方面提出了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述第一方面所述方法的步骤。

11、基于上述第一方面和第二方面所述的拼接图像的识别方法及装置，本发明至少具有如下有益效果或优点：

12、通过采用一个深度学习网络模型，同时实现图像拼接线位置的预测和拼图分类结果的预测，以为图像筛选提供过滤条件。并且拼图分类结果具体为包含目标内容的拼接图像判定结果，例如在医美领域，可以预测用户分享的图像是否为包含手术部位的拼接图像，解决手术前后拼接图像的识别问题。

13、进一步地，本模型中的分类网络和拼接线预测网络的整体结构都属于轻量化设计，具有预测速度快的特点，有利于在处理能力比较低的移动手机端或机器人上进行应用部署。

技术特征：

1.一种拼接图像的识别方法，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，所述通过所述识别模型中的特征提取网络对所述图像进行特征提取，以得到特征图，包括：

3.根据权利要求2所述的方法，其特征在于，所述通过所述下采样残差网络对卷积处理后的图像进行多次下采样处理，包括：

4.根据权利要求3所述的方法，其特征在于，所述拼接线预测网络基于所述特征图预测所述图像中的拼接线位置，包括：

5.根据权利要求4所述的方法，其特征在于，所述拼接线预测网络基于所述特征图、第一中间特征、第二中间特征以及第三中间特征预测所述图像中的拼接线位置，包括：

6.根据权利要求5所述的方法，其特征在于，通过所述第一特征融合模块对所述特征图、第一中间特征、第二中间特征以及第三中间特征进行特征融合，包括：

7.根据权利要求5所述的方法，其特征在于，所述横向拼接线预测模块利用所述第一特征融合模块输出的融合后的特征预测所述图像中的横向拼接线位置，包括：

8.根据权利要求7所述的方法，其特征在于，所述通过所述第一输出层基于所述横向拼接线特征确定所述图像中的横向拼接线位置，包括：

9.根据权利要求8所述的方法，其特征在于，所述根据所述第一窗口内包含的特征值提取一次横向拼接线在所述横向拼接线特征中的第一位置并记录，包括：

10.根据权利要求9所述的方法，其特征在于，根据所述最大特征值所处位置更新最近一次记录的第一位置，包括：

11.根据权利要求5所述的方法，其特征在于，所述纵向拼接线预测模块利用所述第一特征融合模块输出的融合后的特征预测所述图像中的纵向拼接线位置，包括：

12.根据权利要求11所述的方法，其特征在于，通过所述第二输出层基于所述纵向拼接线特征确定所述图像中的纵向拼接线位置，包括：

13.根据权利要求12所述的方法，其特征在于，根据所述第二窗口内包含的特征值提取一次纵向拼接线在所述纵向拼接线特征中的第二位置并记录，包括：

14.根据权利要求13所述的方法，其特征在于，根据所述最大特征值所处位置更新最近一次记录的第二位置，包括：

15.根据权利要求1所述的方法，其特征在于，所述分类网络基于所述特征图和所述拼接线特征判定所述图像是否为包含目标内容的拼接图像，包括：

16.根据权利要求1所述的方法，其特征在于，所述方法还包括识别模型的训练过程：

17.一种拼接图像的识别装置，其特征在于，所述装置包括：

18.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-16任一项所述方法的步骤。

19.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-16任一项所述方法的步骤。

技术总结
本发明公开了一种拼接图像的识别方法、装置、电子设备及存储介质，方法包括：将待识别的图像输入识别模型，通过识别模型中的特征提取网络对图像进行特征提取以得到特征图；通过识别模型中的拼接线预测网络获取特征提取网络得到的特征图，并基于特征图预测图像中的拼接线位置；通过识别模型中的分类网络获取特征提取网络得到的特征图和拼接线预测网络预测过程中产生的拼接线特征，并基于特征图和拼接线特征判定图像是否为包含目标内容的拼接图像。通过采用一个深度学习网络模型，实现图像拼接线位置的预测和拼图分类结果的预测，以为图像筛选提供过滤条件。

技术研发人员：降小龙
受保护的技术使用者：北京新氧科技有限公司
技术研发日：
技术公布日：2024/1/12