图像处理方法、装置、计算机设备和存储介质与流程

本技术涉及图像检测，特别是涉及一种图像处理方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术：

1、在图像检测领域中，通过检测网络对图像中的目标进行识别和定位。具体地，检测网络包括骨干网络，特征融合网络和检测头。将图像输入骨干网络得到图像的初始特征数据，然后将初始特征数据输入特征融合网络进行特征提取，得到目标特征数据，然后，将目标特征信息输入检测头中，得到目标的识别信息和定位信息。

2、目前的特征融合网络通常为像素聚合网络，像素聚合网络通过构建自顶向下和自底向上的拓扑结构对骨干网络输出的初始特征信息进行特征融合，得到目标特征信息。

3、然而，在金融领域中，通常会对图像中的目标客户进行识别，但是图像中的包含目标客户的图像部分过小，采用目前的像素聚合网络融合的目标特征信息含有过多的边缘信息，该边缘信息会干扰检测头对于目标的识别和定位，导致对图像中目标的识别和定位不准确。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种图像处理方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

2、第一方面，本技术提供了一种图像处理方法。所述方法包括：

3、将待检测图像输入至图像处理模型中，对所述待检测图像进行处理，得到初始特征信息集合，并在所述初始特征信息集合中确定目标初始特征信息组；所述目标初始特征信息组中的目标初始特征信息包含多个通道；

4、对所述目标初始特征信息组中的多个所述目标初始特征信息进行通道拼接，并基于各通道权重对通道拼接得到的通道拼接结果进行加权融合处理，得到中期特征信息组；所述各通道权重是基于预设的注意力算法确定的；

5、基于预设的特征融合算法，对所述中期特征信息组中的多个目标中期特征信息进行特征融合处理，得到目标特征信息组；所述目标特征信息组用于对所述待检测图像中目标进行定位和识别。

6、在其中一个实施例中，所述将待检测图像输入至图像处理模型中，对所述待检测图像进行处理，得到初始特征信息集合，包括：

7、获取待检测图像；

8、根据预设的图像格式对所述待检测图像进行格式处理，得到第一图像；

9、将所述第一图像输入至图像处理模型中的骨干网络中，通过所述骨干网络对所述第一图像进行特征提取，得到所述待检测图像对应的初始特征信息集合。

10、在其中一个实施例中，所述目标初始特征信息组包括第一目标初始特征信息、第二目标初始特征信息和第三目标初始特征信息，所述中期特征信息组包括第一中期特征信息、第二中期特征信息和第三中期特征信息，所述对所述目标初始特征信息组中的多个所述目标初始特征信息进行通道拼接，并基于各通道权重对通道拼接得到的通道拼接结果进行加权融合处理，得到中期特征信息组，包括：

11、根据所述图像处理模型中的第一特征提取模块对所述第一目标初始特征信息进行特征提取，得到所述第一中期特征信息；

12、对所述第一中期特征信息、所述第一目标初始特征信息和所述第二目标初始特征信息进行通道拼接处理，得到第一通道拼接结果，并基于所述第一通道拼接结果中的各通道的权重对所述第一通道拼接结果进行加权融合处理，得到所述第二中期特征信息；

13、基于预设的特征融合算法，对所述第二中期特征信息、所述第二目标初始特征信息和所述第三目标初始特征信息进行特征融合处理，得到第一融合信息；

14、对所述第一中期特征信息、所述第一融合信息进行通道拼接处理，得到第二通道拼接结果，并基于所述第二通道拼接结果中的各通道的权重对所述第二通道拼接结果进行加权融合处理，得到所述第三中期特征信息。

15、在其中一个实施例中，多个所述目标中期特征信息包括第一中期特征信息、第二中期特征信息和第三中期特征信息，所述目标特征信息组包括第一目标特征信息、第二目标特征信息和第三目标特征信息，所述基于预设的特征融合算法，对所述中期特征信息组中的多个目标中期特征信息进行特征融合处理，得到目标特征信息组，包括：

16、根据所述图像处理模型中的第一特征提取模块对所述第三中期特征信息进行特征提取，得到所述第三目标特征信息；

17、对所述第三目标特征信息、所述第三中期特征信息和所述第二中期特征信息进行通道拼接处理，得到第三通道拼接结果，并基于所述第三通道拼接结果中的各通道的权重对所述第三通道拼接结果进行加权融合处理，得到所述第二目标特征信息；

18、基于预设的特征融合算法，对第一中期特征信息、所述第二中期特征信息和所述第二目标特征信息进行特征融合处理，得到第二融合信息；

19、对所述第三目标特征信息、所述第二融合信息进行通道拼接处理，得到第四通道拼接结果，并基于所述第四通道拼接结果中的各通道的权重对所述第四通道拼接结果进行加权融合处理，得到所述第一目标特征信息。

20、在其中一个实施例中，所述对所述第一中期特征信息、所述第一目标初始特征信息和所述第二目标初始特征信息进行通道拼接处理，得到第一通道拼接结果，并基于所述第一通道拼接结果中的各通道的权重对所述第一通道拼接结果进行加权融合处理，得到所述第二中期特征信息，包括：

21、对所述第一中期特征信息和所述第一目标初始特征信息进行逐元素求和，得到第一求和结果，并对所述第一求和结果进行卷积下采样，得到第一采样结果；

22、对所述第二目标初始特征信息进行卷积变换，得到第一卷积数据，并对所述第一卷积数据和所述第一采样结果进行通道拼接，得到第一通道拼接结果；

23、基于预设的注意力算法对所述第一通道拼接结果进行学习，得到所述第一通道拼接结果中包含的各通道的权重；

24、根据所述第一通道拼接结果中包含的各通道的权重，对所述第一通道拼接结果中各通道对应的特征数据进行加权处理，得到第一加权处理结果；

25、基于预设的融合模块，对所述第一加权处理结果进行融合处理，得到所述第二中期特征信息。

26、在其中一个实施例中，所述对所述第一中期特征信息、所述第一融合信息进行通道拼接处理，得到第二通道拼接结果，并基于所述第二通道拼接结果中的各通道的权重对所述第二通道拼接结果进行加权融合处理，得到所述第三中期特征信息，包括：

27、对所述第一中期特征信息进行下采样，得到第二采样结果；

28、将所述第二采样结果和所述第一融合信息进行通道拼接，得到第二通道拼接结果；

29、基于预设的注意力算法，确定所述第二通道拼接结果中包含的各通道的权重，并根据所述第二通道拼接结果中各通道的权重对所述第二通道拼接结果进行加权处理，得到第二加权处理结果；

30、基于预设的融合模块，对所述第二加权处理结果进行融合处理，得到第三中期特征信息。

31、在其中一个实施例中，所述对所述第三目标特征信息、所述第三中期特征信息和所述第二中期特征信息进行通道拼接处理，得到第三通道拼接结果，并基于所述第三通道拼接结果中的各通道的权重对所述第三通道拼接结果进行加权融合处理，得到所述第二目标特征信息，包括：

32、对所述第三目标特征信息和所述第三中期特征信息进行逐元素求和，得到第二求和结果，并对所述第二求和结果进行卷积上采样，得到第三采样结果；

33、对所述第二中期特征信息进行卷积变换，得到第二卷积数据，并对所述第三采样结果和所述第二卷积数据进行通道拼接，得到第三通道拼接结果；

34、基于预设的注意力算法对所述第三通道拼接结果进行学习，得到所述第三通道拼接结果中包含的各通道的权重；

35、根据所述第三通道拼接结果中包含的各通道的权重，对所述第三通道拼接结果中各通道对应的特征数据进行加权处理，得到第三加权处理结果；

36、基于预设的融合模块，对所述第三加权处理结果进行融合处理，得到所述第二目标特征信息。

37、在其中一个实施例中，所述对所述第三目标特征信息、所述第二融合信息进行通道拼接处理，得到第四通道拼接结果，并基于所述第四通道拼接结果中的各通道的权重对所述第四通道拼接结果进行加权融合处理，得到所述第一目标特征信息，包括：

38、对所述第三目标特征信息进行上采样，得到第四采样结果；

39、并将所述第四采样结果和所述第二融合信息进行通道拼接，得到第四通道拼接结果；

40、基于预设的注意力算法，确定所述第四通道拼接结果中包含的各通道的权重，并根据所述第四通道拼接结果中各通道的权重对所述第四通道拼接结果进行加权处理，得到第四加权处理结果；

41、基于预设的融合模块，对所述第四加权处理结果进行融合处理，得到所述第一目标特征信息。

42、在其中一个实施例中，所述目标特征信息包括第一目标特征信息、第二目标特征信息和第三目标特征信息，所述基于预设的特征融合算法，对所述中期特征信息组中的多个目标中期特征信息进行特征融合处理，得到目标特征信息组之后，所述方法还包括：

43、将所述第一目标特征信息、所述第二目标特征信息和第三目标特征信息输入所述图像处理模型中的检测头中，通过所述检测头对所述第一目标特征信息、所述第二目标特征信息和第三目标特征信息进行数据处理，得到所述待检测图像中目标的定位信息和识别信息。

44、第二方面，本技术还提供了一种图像处理装置。所述装置包括：

45、确定模块，用于将待检测图像输入至图像处理模型中，对所述待检测图像进行处理，得到初始特征信息集合，并在所述初始特征信息集合中确定目标初始特征信息组；所述目标初始特征信息组中的目标初始特征信息包含多个通道；

46、第一处理模块，用于对所述目标初始特征信息组中的多个所述目标初始特征信息进行通道拼接，并基于各通道权重对通道拼接得到的通道拼接结果进行加权融合处理，得到中期特征信息组；所述各通道权重是基于预设的注意力算法确定的；

47、第二处理模块，用于基于预设的特征融合算法，对所述中期特征信息组中的多个目标中期特征信息进行特征融合处理，得到目标特征信息组；所述目标特征信息组用于对所述待检测图像中目标进行定位和识别。

48、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

49、将待检测图像输入至图像处理模型中，对所述待检测图像进行处理，得到初始特征信息集合，并在所述初始特征信息集合中确定目标初始特征信息组；所述目标初始特征信息组中的目标初始特征信息包含多个通道；

50、对所述目标初始特征信息组中的多个所述目标初始特征信息进行通道拼接，并基于各通道权重对通道拼接得到的通道拼接结果进行加权融合处理，得到中期特征信息组；所述各通道权重是基于预设的注意力算法确定的；

51、基于预设的特征融合算法，对所述中期特征信息组中的多个目标中期特征信息进行特征融合处理，得到目标特征信息组；所述目标特征信息组用于对所述待检测图像中目标进行定位和识别。

52、第四方面，本技术还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，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

53、将待检测图像输入至图像处理模型中，对所述待检测图像进行处理，得到初始特征信息集合，并在所述初始特征信息集合中确定目标初始特征信息组；所述目标初始特征信息组中的目标初始特征信息包含多个通道；

54、对所述目标初始特征信息组中的多个所述目标初始特征信息进行通道拼接，并基于各通道权重对通道拼接得到的通道拼接结果进行加权融合处理，得到中期特征信息组；所述各通道权重是基于预设的注意力算法确定的；

55、基于预设的特征融合算法，对所述中期特征信息组中的多个目标中期特征信息进行特征融合处理，得到目标特征信息组；所述目标特征信息组用于对所述待检测图像中目标进行定位和识别。

56、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

57、将待检测图像输入至图像处理模型中，对所述待检测图像进行处理，得到初始特征信息集合，并在所述初始特征信息集合中确定目标初始特征信息组；所述目标初始特征信息组中的目标初始特征信息包含多个通道；

58、对所述目标初始特征信息组中的多个所述目标初始特征信息进行通道拼接，并基于各通道权重对通道拼接得到的通道拼接结果进行加权融合处理，得到中期特征信息组；所述各通道权重是基于预设的注意力算法确定的；

59、基于预设的特征融合算法，对所述中期特征信息组中的多个目标中期特征信息进行特征融合处理，得到目标特征信息组；所述目标特征信息组用于对所述待检测图像中目标进行定位和识别。

60、上述图像处理方法、装置、计算机设备、存储介质和计算机程序产品，将待检测图像输入至图像处理模型中，对所述待检测图像进行处理，得到初始特征信息集合，并在所述初始特征信息集合中确定目标初始特征信息组；所述目标初始特征信息组中的目标初始特征信息包含多个通道；对所述目标初始特征信息组中的多个所述目标初始特征信息进行通道拼接，并基于各通道权重对通道拼接得到的通道拼接结果进行加权融合处理，得到中期特征信息组；所述各通道权重是基于预设的注意力算法确定的；基于预设的特征融合算法，对所述中期特征信息组中的多个目标中期特征信息进行特征融合处理，得到目标特征信息组；所述目标特征信息组用于对所述待检测图像中目标进行定位和识别。采用本方法，通过对目标初始特征信息进行通道拼接，得到通道拼接结果，并基于预设的注意力算法确定通道拼接结果中各通道的权重，基于各通道的权重对通道拼接结果进行加权处理，去除了定位信息中的边缘定位信息和语义信息中的边缘语义信息，并将加权处理结果进行特征融合，提高了图像检测的准确率。