本发明涉及数据处理,尤其涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术:
1、随着科技的发展,人工智能算法在生活中有着广泛的应用,而这些算法的实现离不开大规模的训练数据集。
2、现有技术中,源域上训练的人工智能模型迁移到目标域时,存在模型预测准确度降低的问题。
技术实现思路
1、本发明提供了一种图像处理方法、装置、电子设备及存储介质,以解决模型迁移后模型预测准确度降低的问题。
2、根据本发明的一方面,提供了一种图像处理方法,包括:
3、获取待处理的目标域的影像数据;
4、将所述待处理的目标域的影像数据输入至预先训练完成的跨域分类模型,得到目标域的模型分类结果;
5、其中,所述跨域分类模型用于将所述目标域的影像数据对应特征空间中的影像特征映射到目标特征空间。
6、根据本发明的另一方面,提供了一种图像处理装置,包括:
7、影像数据获取模块,用于获取待处理的目标域的影像数据;
8、分类结果预测模块,用于将所述待处理的目标域的影像数据输入至预先训练完成的跨域分类模型,得到目标域的模型分类结果;
9、其中,所述跨域分类模型用于将所述目标域的影像数据对应特征空间中的影像特征映射到目标特征空间。
10、根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
11、至少一个处理器;
12、以及与所述至少一个处理器通信连接的存储器;
13、其中,所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的图像处理方法。
14、根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的图像处理方法。
15、本发明实施例的技术方案,通过将待处理的目标域的影像数据输入至预先训练完成的跨域分类模型,进而跨域分类模型将目标域的影像数据对应特征空间中的影像特征映射到目标特征空间,使影像特征在特征空间中的距离更为接近,从而在将源域上训练的人工智能模型迁移到目标域时,解决模型预测准确度降低的问题。
16、应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种图像处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述跨域分类模型包括公共特征提取模块、领域特征变换模块和分类器,所述将所述目标域的影像数据输入至预先训练完成的跨域分类模型,得到目标域的模型分类结果,包括:
3.根据权利要求1所述的方法,其特征在于,所述目标特征空间为源域特征空间。
4.根据权利要求1所述的方法,其特征在于,在所述获取待处理的目标域的影像数据之后,还包括:
5.根据权利要求1所述的方法,其特征在于,所述跨域分类模型的训练过程包括:
6.根据权利要求5所述的方法,其特征在于,所述初始建立的神经网络模型包括公共特征提取模块、领域特征变换模块、分类器和损失建模模块;其中,
7.根据权利要求6所述的方法,其特征在于,所述目标域的样本影像数据包括至少一个目标域的样本影像数据;
8.一种图像处理装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述电子设备包括:
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存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的图像处理方法。