图像增强处理方法、装置、计算机设备及存储介质与流程

技术特征：
1.一种图像增强处理方法，其特征在于，包括：获取数据集；其中，所述数据集中包括多张手写数字的图像；利用预设的数据增强算法对所述数据集的图像进行扩增，得到预设数量的目标图像；利用预先训练好的数字识别模型对所述目标图像进行分类，得到所述目标图像的类别，并从所述目标图像中筛选出分类正确的第一目标图像及分类错误的第二目标图像；获取每种类别的所述第一目标图像的第一权重向量及特征向量，根据所述第一权重向量及特征向量，利用所述第一目标图像对预先构建的图像识别模型进行训练，得到训练好的图像识别模型；利用训练好的图像识别模型对所述第二目标图像进行预测，得到预测结果；根据所述预测结果生成第二权重向量，将所述第二权重向量与所述第二目标图像进行相乘后，得到质量增强的训练图像。2.根据权利要求1所述的方法，其特征在于，所述获取每种类别的所述第一目标图像的第一权重向量及特征向量，包括：根据所述第一目标图像的类别从预先构建的对照表中查询对应的权重向量，得到第一权重向量；其中，所述对照表记录了每种类别的图像对应的权重向量；获取所述第一目标图像的特征信息，将所述特征信息转换为向量形式，得到所述第一目标图像的特征向量。3.根据权利要求2所述的方法，其特征在于，所述获取所述第一目标图像的特征信息，将所述特征信息转换为向量形式，得到所述第一目标图像的特征向量，包括：当确定所述第一目标图像的数量为多张时，获取每张所述第一目标图像的所有特征信息；计算每个所述特征信息在多张所述第一目标图像出现的频率；从所有所述特征信息中筛选出频率最高的特征信息，得到目标特征信息；将所述目标特征信息转换为向量形式，得到多张所述第一目标图像的特征向量。4.根据权利要求1所述的方法，其特征在于，所述根据所述预测结果生成第二权重向量，包括：根据所述预测结果确定所述第二目标图像分类错误的错误信息，得到所述第二目标图像的参考错误信息；根据所述参考错误信息对所述第二目标图像进行校准，得到校准信息；将所述校准信息转换为词向量形式，得到所述第二权重向量。5.根据权利要求1所述的方法，其特征在于，所述利用所述第一目标图像对预先构建的图像识别模型进行训练，得到训练好的图像识别模型，包括：利用所述第一目标图像对预先构建的图像识别模型进行训练，得到训练结果；根据所述训练结果，利用交叉熵损失函数计算所述图像识别模型训练后的损失值；判断所述损失值是否低于预设损失值；当判定所述损失值低于预设损失值时，得到训练好的图像识别模型。6.根据权利要求5所述的方法，其特征在于，所述判断所述损失值是否低于预设损失值之后，还包括：当判定所述损失值不低于预设损失值时，根据所述损失值调整所述图像识别模型的参
数；利用所述第一目标图像对调整参数后的所述图像识别模型进行再次训练，直至所述损失值低于预设损失值时停止训练，得到训练好的图像识别模型。7.根据权利要求1所述的方法，其特征在于，所述利用预设的数据增强算法对所述数据集的图像进行扩增，得到预设数量的目标图像，包括：对所述数据集的图像进行旋转、平移、缩放或翻转中的至少一项数据增强处理方式，得到预设数量的目标图像。8.一种图像增强处理装置，其特征在于，包括：获取模块，用于获取数据集；其中，所述数据集中包括多张手写数字的图像；扩增模块，用于利用预设的数据增强算法对所述数据集的图像进行扩增，得到预设数量的目标图像；分类模块，用于利用预先训练好的数字识别模型对所述目标图像进行分类，得到所述目标图像的类别，并从所述目标图像中筛选出分类正确的第一目标图像及分类错误的第二目标图像；训练模块，用于获取每种类别的所述第一目标图像的第一权重向量及特征向量，根据所述第一权重向量及特征向量，利用所述第一目标图像对预先构建的图像识别模型进行训练，得到训练好的图像识别模型；预测模块，用于利用训练好的图像识别模型对所述第二目标图像进行预测，得到预测结果；生成模块，用于根据所述预测结果生成第二权重向量，将所述第二权重向量与所述第二目标图像进行相乘后，得到质量增强的训练图像。9.一种计算机设备，其特征在于，包括：处理器；存储器；其中，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权利要求1至7任一项所述的图像增强处理方法。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上存储有计算机程序，该计算机程序被处理器执行时实现权利要求1-7任一项所述的图像增强处理方法。

技术总结
本申请为人工智能技术的神经网络技术领域，提供了一种图像增强处理方法、装置、计算机设备及存储介质，其中，该方法包括：利用数据增强算法对数据集的图像进行扩增，利用数字识别模型对目标图像进行分类，筛选出分类正确的第一目标图像及分类错误的第二目标图像；获取每种类别的第一目标图像的第一权重向量及特征向量，利用第一目标图像对预先构建的图像识别模型进行训练，得到训练好的图像识别模型；利用训练好的图像识别模型对第二目标图像进行预测，得到预测结果，根据预测结果生成第二权重向量，将第二权重向量与第二目标图像进行相乘后，得到质量增强的训练图像，从而可以抑制第二目标图像中存在的固有噪声，提高数据增强后的图像的质量。后的图像的质量。后的图像的质量。


技术研发人员：郑喜民 王颖妮 舒畅 陈又新
受保护的技术使用者：平安科技（深圳）有限公司
技术研发日：2022.02.21
技术公布日：2022/5/31