本申請涉及圖像處理，具體涉及計算機，尤其涉及一種針對圖片的模型處理方法、圖片處理方法及相關(guān)設(shè)備。

背景技術(shù)：

1、隨著圖像處理技術(shù)的不斷發(fā)展，圖像處理技術(shù)常被應(yīng)用于圖像搜索、圖像識別、圖像分類、物體檢測和場景理解等場景。在現(xiàn)有的圖像處理的過程中，通常涉及到大量的數(shù)據(jù)處理，包括讀取、修改、渲染、輸出圖像數(shù)據(jù)等操作，這些操作都需要內(nèi)存和/或顯存的支持，然而，目前的圖像處理效率相對較低。

技術(shù)實現(xiàn)思路

1、本申請實施例提供了一種針對圖片的模型處理方法、圖片處理方法及相關(guān)設(shè)備，可以提高圖像處理效率。

2、第一方面，本申請實施例提供了一種針對圖片的模型處理方法，包括：

3、獲取訓(xùn)練數(shù)據(jù)集中目標訓(xùn)練圖片的對象區(qū)域圖片，所述對象區(qū)域圖片是根據(jù)所述目標訓(xùn)練圖像中的部分圖像區(qū)域確定的；

4、將所述對象區(qū)域圖片輸入待訓(xùn)練特征提取模型，得到所述對象區(qū)域圖片對應(yīng)的對象特征向量；

5、將所述對象特征向量輸入n個圖像處理器gpu中，并基于所述對象特征向量和各個gpu中配置的子線性矩陣，得到損失函數(shù)值，其中，每個gpu中配置的子線性矩陣是對所述待訓(xùn)練特征提取模型中線性層的線性矩陣進行劃分后確定的，n為正整數(shù)；

6、根據(jù)所述損失函數(shù)值對所述待訓(xùn)練特征提取模型進行訓(xùn)練，得到特征提取模型，所述特征提取模型用于提取得到待處理圖片對應(yīng)的對象特征。

7、第二方面，本申請實施例提供了一種圖片處理方法，包括：

8、獲取由終端設(shè)備發(fā)送的待處理圖片的對象區(qū)域圖片；

9、將所述待處理圖片的對象區(qū)域圖片輸入特征提取模型，生成所述待處理圖片的對象區(qū)域圖片對應(yīng)的對象特征；

10、根據(jù)所述待處理圖片的對象區(qū)域圖片對應(yīng)的對象特征，對所述待處理圖片進行處理；

11、其中，對所述待處理圖片進行的處理包括：根據(jù)所述待處理圖片的對象區(qū)域圖片對應(yīng)的對象特征發(fā)起的圖像搜索處理、根據(jù)所述待處理圖片的對象區(qū)域圖片對應(yīng)的對象特征進行的圖像分類處理、根據(jù)所述待處理圖片的對象區(qū)域圖片對應(yīng)的對象特征進行的圖像檢測處理、根據(jù)所述待處理圖片的對象區(qū)域圖片對應(yīng)的對象特征進行的圖像識別處理中的任意一個或者多個。

12、第三方面，本申請實施例提供了一種針對圖片的模型處理裝置，包括：

13、獲取單元，用于獲取訓(xùn)練數(shù)據(jù)集中目標訓(xùn)練圖片的對象區(qū)域圖片，所述對象區(qū)域圖片是根據(jù)所述目標訓(xùn)練圖像中的部分圖像區(qū)域確定的；

14、提取單元，用于將所述對象區(qū)域圖片輸入待訓(xùn)練特征提取模型，得到所述對象區(qū)域圖片對應(yīng)的對象特征向量；

15、確定單元，用于將所述對象特征向量輸入n個圖像處理器gpu中，并基于所述對象特征向量和各個gpu中配置的子線性矩陣，得到損失函數(shù)值，其中，每個gpu中配置的子線性矩陣是對所述待訓(xùn)練特征提取模型中線性層的線性矩陣進行劃分后確定的，n為正整數(shù)；

16、訓(xùn)練單元，用于根據(jù)所述損失函數(shù)值對所述待訓(xùn)練特征提取模型進行訓(xùn)練，得到特征提取模型，所述特征提取模型用于提取得到待處理圖片對應(yīng)的對象特征。

17、第四方面，本申請實施例提供了一種圖片處理裝置，包括：

18、獲取單元，用于獲取由終端設(shè)備發(fā)送的待處理圖片的對象區(qū)域圖片；

19、提取單元，用于將所述待處理圖片的對象區(qū)域圖片輸入特征提取模型，生成所述待處理圖片的對象區(qū)域圖片對應(yīng)的對象特征；

20、處理單元，用于根據(jù)所述待處理圖片的對象區(qū)域圖片對應(yīng)的對象特征，對所述待處理圖片進行處理；

21、其中，對所述待處理圖片進行的處理包括：根據(jù)所述待處理圖片的對象區(qū)域圖片對應(yīng)的對象特征發(fā)起的圖像搜索處理、根據(jù)所述待處理圖片的對象區(qū)域圖片對應(yīng)的對象特征進行的圖像分類處理、根據(jù)所述待處理圖片的對象區(qū)域圖片對應(yīng)的對象特征進行的圖像檢測處理、根據(jù)所述待處理圖片的對象區(qū)域圖片對應(yīng)的對象特征進行的圖像識別處理中的任意一個或者多個。

22、第五方面，本申請實施例提供了一種計算設(shè)備，包括處理器和存儲器，所述處理器和存儲器相互連接，其中，所述存儲器用于存儲計算機程序，所述處理器被配置用于調(diào)用所述計算機程序，執(zhí)行上述第一方面或第二方面所述的方法。

23、第六方面，本申請實施例提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有程序指令，該程序指令被執(zhí)行時實現(xiàn)上述第一方面或第二方面所述的方法。

24、第六方面，本申請實施例提供了一種計算機程序產(chǎn)品，所述計算機程序產(chǎn)品包括程序指令，所述程序指令被處理器執(zhí)行時實現(xiàn)上述第一方面或第二方面所述的方法。

25、本申請實施例在將獲取的訓(xùn)練數(shù)據(jù)集中目標訓(xùn)練圖片的對象區(qū)域圖片輸入待訓(xùn)練特征提取模型，得到該對象區(qū)域圖片對應(yīng)的對象特征向量后，將該對象特征向量輸入n個gpu中，并基于對象特征向量和各個gpu中配置的子線性矩陣，在各個gpu中計算得到損失函數(shù)值，以提高計算效率。進一步的，根據(jù)并行計算得到的損失函數(shù)值對待訓(xùn)練特征提取模型進行訓(xùn)練，得到特征提取模型，可以提高特征提取模型的特征提取效率，進一步在利用特征提取模型對待處理圖片進行圖像處理時，提高圖像處理效率。

技術(shù)特征：

1.一種針對圖片的模型處理方法，其特征在于，包括：

2.如權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

3.如權(quán)利要求1所述的方法，其特征在于，所述基于所述對象特征向量和各個gpu中配置的子線性矩陣，得到損失函數(shù)值，包括：

4.如權(quán)利要求3所述的方法，其特征在于，所述基于所述對象特征向量與所述各個gpu中配置的子線性矩陣的乘積，確定所述對象特征向量在所述各個gpu中計算得到的特征分類概率，包括：

5.如權(quán)利要求1所述的方法，其特征在于，所述獲取訓(xùn)練數(shù)據(jù)集中目標訓(xùn)練圖片的對象區(qū)域圖片之前，還包括：

6.如權(quán)利要求5所述的方法，其特征在于，所述通過第二聚類方式對各個目標類別圖片集進行聚類，得到每個目標類別圖片集對應(yīng)的多個目標子類別圖片集，包括：

7.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述損失函數(shù)值對所述待訓(xùn)練特征提取模型進行訓(xùn)練，得到特征提取模型之后，還包括：

8.如權(quán)利要求7所述的方法，其特征在于，所述獲取點擊訓(xùn)練數(shù)據(jù)集，包括：

9.如權(quán)利要求7所述的方法，其特征在于，所述使用所述點擊訓(xùn)練數(shù)據(jù)集對所述特征提取模型進行訓(xùn)練，得到目標特征提取模，包括：

10.如權(quán)利要求1所述的方法，其特征在于，所述將所述對象區(qū)域圖片輸入待訓(xùn)練特征提取模型之前，還包括：

11.如權(quán)利要求10所述的方法，其特征在于，所述使用所述多個第一圖像塊和所述多個第二圖像塊對預(yù)設(shè)的學(xué)生模型進行訓(xùn)練，得到所述待訓(xùn)練特征提取模型，包括：

12.如權(quán)利要求1所述的方法，其特征在于，所述獲取訓(xùn)練數(shù)據(jù)集中目標訓(xùn)練圖片的對象區(qū)域圖片，包括：

13.一種圖片處理方法，其特征在于，包括：

14.一種針對圖片的模型處理裝置，其特征在于，包括：

15.一種圖片處理裝置，其特征在于，包括：

16.一種計算設(shè)備，其特征在于，包括處理器和存儲器，所述處理器和存儲器相互連接，其中，所述存儲器用于存儲計算機程序，所述處理器被配置用于調(diào)用所述計算機程序，執(zhí)行如權(quán)利要求1-13任一項所述的方法。

17.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)中存儲有程序指令，該程序指令被執(zhí)行時實現(xiàn)如權(quán)利要求1-13任一項所述的方法。

18.一種計算機程序產(chǎn)品，其特征在于，所述計算機程序產(chǎn)品包括程序指令，所述程序指令被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-13任一項所述方法。

技術(shù)總結(jié)
本申請公開一種針對圖片的模型處理方法、圖片處理方法及相關(guān)設(shè)備，該方法包括：獲取訓(xùn)練數(shù)據(jù)集中目標訓(xùn)練圖片的對象區(qū)域圖片，對象區(qū)域圖片是根據(jù)目標訓(xùn)練圖像中的部分圖像區(qū)域確定的；將對象區(qū)域圖片輸入待訓(xùn)練特征提取模型，得到對象區(qū)域圖片的對象特征向量；將對象特征向量輸入n個圖像處理器GPU中，基于對象特征向量和各個GPU中配置的子線性矩陣，得到損失函數(shù)值，其中，每個GPU中配置的子線性矩陣是對待訓(xùn)練特征提取模型中線性層的線性矩陣進行劃分后確定的，n為正整數(shù)；根據(jù)損失函數(shù)值對待訓(xùn)練特征提取模型進行訓(xùn)練，得到特征提取模型，特征提取模型用于提取得到待處理圖片對應(yīng)的對象特征。通過這種方式可以提高圖像處理效率。

技術(shù)研發(fā)人員：李若琦,陳誠,張道鑫,任環(huán)
受保護的技術(shù)使用者：行吟信息科技（上海）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6