(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221017869 9.5 (22)申请日 2022.02.25 (71)申请人 上海商汤智能科技有限公司 地址 200233 上海市徐汇区桂平路391号3 号楼1605A室 (72)发明人 胡志强　刘子豪　李卓威　 (74)专利代理 机构 深圳市威世博知识产权代理 事务所(普通 合伙) 44280 专利代理师 何倚雯 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 图像处理方法及相关模型训练方法、 装置、 设备 (57)摘要 本申请公开了一种图像处理方法及相关模 型训练方法、 装置、 设备和存储介质， 图像处理方 法包括： 对目标图像进行特征提取得到原始特征 图； 利用原始特征图中各特征区域对应的不确定 性参数， 对原始特征图中的对应特征区域进行特 征优化， 得到目标特征图， 其中， 在目标特征图 中， 特征区域对应的目标特征信息的影 响力大小 与特征区域对应的不确定性参数有关； 基于目标 特征图， 得到目标图像的检测结果。 通过该方法， 有助于提高目标图像的检测结果的准确度。 权利要求书3页 说明书20页 附图4页 CN 114549853 A 2022.05.27 CN 114549853 A 1.一种图像处 理方法， 其特 征在于， 包括： 对目标图像进行 特征提取得到原始特征图； 利用所述原始特征图中各特征区域对应的不确定性参数， 对所述原始特征图中的对应 特征区域进行特征优化， 得到目标特征图， 其中， 在所述目标特征图中， 所述特征区域对应 的目标特征信息的影响力大小与所述特 征区域对应的不确定性 参数有关； 基于所述目标 特征图， 得到所述目标图像的检测结果。 2.根据权利要求1所述的方法， 其特征在于， 所述利用所述原始特征图中各特征区域对 应的不确定性参数， 对所述原始特征图中的对应特征区域进 行特征优化， 得到目标特征图， 包括： 基于各所述特征区域对应的不确定性 参数， 得到各 所述特征区域对应的确定性 参数； 利用各所述特征区域对应的确定性参数， 对应调整所述原始特征图中各所述特征区域 的原始特征信息， 得到所述目标 特征图中各 所述特征区域的目标 特征信息。 3.根据权利要求2所述的方法， 其特征在于， 所述基于各所述特征区域对应的不确定性 参数， 得到各 所述特征区域对应的确定性 参数， 包括： 对于各所述特征区域， 将预设的第 一数值与所述特征区域对应的不确定参数之间的差 值， 作为所述特 征区域对应的确定性 参数； 所述利用各所述特征区域对应的确定性参数， 对应调 整所述原始特征图中各所述特征 区域的原 始特征信息， 得到所述目标 特征图中各 所述特征区域的目标 特征信息， 包括： 对于各所述特征区域， 获取所述特征区域对应的确定性参数与第 二数值之和作为所述 特征区域的调整权 重； 利用所述特征区域的调整权重， 对所述特征区域的原始特征信息进行加权， 得到所述 特征区域的目标 特征信息。 4.根据权利要求1至3任一项所述的方法， 其特征在于， 在所述利用所述原始特征图中 各特征区域对应的不确定性参数， 对所述原始特征图中的对应特征区域进行特征优化， 得 到目标特征图之前， 所述方法还 包括： 基于所述原 始特征图中的初始特 征信息， 确定各 所述特征区域对应的不确定性 参数。 5.根据权利要求4所述的方法， 其特征在于， 所述基于所述原始特征图中的初始特征信 息， 确定各 所述特征区域对应的不确定性 参数， 包括： 对所述原始特征图中的初始特征信 息进行变换处理， 得到各所述特征区域对应的特征 置信度； 基于各所述特征区域对应的特 征置信度， 得到各 所述特征区域对应的不确定性 参数。 6.根据权利要求5所述的方法， 其特征在于， 所述特征区域对应的特征置信度包括若干 通道的类别置信度， 各通道的所述类别置信度 表示所述特征区域属于对应一个类别的置信 度； 所述基于各所述特征区域对应的特征置信度， 得到各所述特征区域对应的不确定性参 数， 包括： 对于各所述特征区域， 基于所述特征区域对应的若干通道的类别置信度进行信 息熵处 理， 以得到所述特 征区域对应的不确定性 参数。 7.根据权利要求1所述的方法， 其特征在于， 所述原始特征图中的每个特征点作为一个权　利　要　求　书 1/3 页 2 CN 114549853 A 2所述特征区域； 和/或， 所述图像处 理方法是由图像处 理模型执行的。 8.一种图像处 理模型的训练方法， 其特 征在于， 包括： 将第一样本图像作为目标图像， 并利用所述图像处理模型执行权利要求1 ‑7任一项所 述的方法对所述目标图像进行处 理， 以得到所述第一样本图像的第一检测结果； 基于所述第一检测结果和所述第一样本图像的第一标注信息， 得到第一损失值； 基于所述第一损失值调整所述图像处 理模型的网络参数。 9.根据权利要求8所述的方法， 其特征在于， 所述第 一样本图像的原始特征图中各所述 特征区域对应的不确定性参数是基于各所述特征区域对应的特征置信度确定的， 所述特征 区域对应的特 征置信度用于确定所述特 征区域所属的类别； 在所述基于所述第一损失值调整所述图像处理模型的网络参数之前， 所述方法还包 括： 基于各所述特征区域对应的特征置信度， 得到所述第一样本 图像的第二检测结果， 其 中， 所述第二检测结果表示所述第一样本图像所属的类别； 利用所述原 始特征图对应的第二标注信息和所述第二检测结果， 得到第二损失值； 所述基于所述第一损失值调整所述图像处 理模型的网络参数， 包括： 基于所述第一损失值和第二损失值， 调整所述图像处 理模型的网络参数。 10.根据权利要求8 或9所述的方法， 其特征在于， 在所述利用所述图像处理模型执行权 利要求1‑7任一项所述的方法对所述目标图像进行处 理之前， 所述方法还 包括： 利用所述图像处理模型中的特征提取网络对第 二样本图像进行特征提取， 得到所述第 二样本图像的样本特 征图； 利用所述样本特征图， 确定若干组区域组合的特征相似度， 其中， 所述样本图像包括若 干局部区域， 以及每组所述区域组合的特征相似度表示所述区域组合包括的至少两个所述 局部区域得到的； 以及， 基于各组所述区域组合的标注信息， 确定各组所述区域组合对应的参考关系参数， 其 中， 所述区域组合的参 考关系参数表示所述区域组合中的局部区域之间的实际差异情况； 利用各组所述区域组合的特征相似度以及参考关系参数， 调 整所述特征提取网络的网 络参数。 11.一种图像处 理装置， 其特 征在于， 包括： 获取模块， 用于对目标图像进行 特征提取得到原始特征图； 处理模块， 用于利用所述原始特征图中各特征区域对应的不确定性参数， 对所述原始 特征图中的对应特征区域进行特征优化， 得到目标特征图， 其中， 在所述 目标特征图中， 所 述特征区域对应的目标 特征信息的影响力大小与所述特 征区域对应的不确定性 参数有关； 输出模块， 用于基于所述目标 特征图， 得到所述目标图像的检测结果。 12.一种图像处 理模型的训练装置， 其特 征在于， 包括： 获取模块， 用于将第一样本 图像作为目标图像， 并利用所述图像处理模型执行权利要 求1‑7任一项所述的方法对所述目标图像进行处理， 以得到所述第一样本图像的第一检测 结果； 确定模块， 用于基于所述第一检测结果和所述第一样本 图像的第一标注信息， 得到第权　利　要　求　书 2/3 页 3 CN 114549853 A 3