(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 202210582857.3 (22)申请日 2022.05.26 (71)申请人 中国平安人寿保险股份有限公司 地址 518000 广东省深圳市福田区福田街 道益田路5033号平安金融中心14、 15、 16、 37、 41、 4 4、 45、 46、 54、 58、 59层 (72)发明人 何小臻　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 廖慧贤 (51)Int.Cl. G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/44(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 图像处理模 型的训练方法和装置、 电子设备 及介质 (57)摘要 本申请实施例提供了一种图像处理模型的 训练方法和装置、 电子设备及介质， 属于人工智 能技术领域。 该方法包括： 获取样本图像； 对样本 图像进行数据增强处理， 得到第一图像； 将第一 图像输入至预设的神经网络模型中， 其中， 神经 网络模型包括轻量化网络、 池化网络、 解码网络； 通过轻量化网络对第一图像进行特征提取， 得到 样本图像特征图； 通过池化网络对样本图像特征 图进行池化处理， 得到样本池化特征； 通过解码 网络对样 本池化特征进行概率计算， 得到样本字 段概率值； 根据样本字段概率值对神经网络模型 的损失函数进行优化， 得到图像处理模型。 本申 请实施例能够有效地减小模型大小， 使得模型能 够被部署在移动端设备上， 提高了模型的适用 性。 权利要求书2页 说明书13页 附图5页 CN 114863245 A 2022.08.05 CN 114863245 A 1.一种图像处 理模型的训练方法， 其特 征在于， 所述方法包括： 获取样本图像； 对所述样本图像进行 数据增强处 理， 得到第一图像； 将所述第一图像输入至预设的神经网络模型中， 其中， 所述神经网络模型包括轻量化 网络、 池化网络、 解码网络； 通过所述轻量 化网络对所述第一图像进行 特征提取， 得到样本图像特 征图； 通过所述池化网络对所述样本图像特 征图进行池化处 理， 得到样本池化特 征； 通过所述解码网络对所述样本池化特 征进行概 率计算， 得到样本 字段概率值； 根据所述样本字段概率值对所述神经网络模型的损失函数进行优化， 得到图像处理模 型。 2.根据权利要求1所述的训练方法， 其特征在于， 所述对所述样本图像进行数据增强处 理， 得到第一图像的步骤， 包括： 从预设字典中抽取参 考字符， 并对所述 参考字符进行拼接处 理， 得到参 考文本； 根据预设的图像风格对所述 参考文本和所述样本图像进行融合处 理， 得到中间图像； 根据预设的增强方式对所述中间图像进行增强处 理， 得到所述第一图像。 3.根据权利要求1所述的训练方法， 其特征在于， 所述通过所述轻量化网络对所述第 一 图像进行 特征提取， 得到样本图像特 征图的步骤， 包括： 通过所述轻量 化网络对所述第一图像进行 卷积处理， 得到第一图像特 征图； 对所述第一图像特 征图进行 下采样处 理， 得到所述样本图像特 征图。 4.根据权利要求1至3任一项所述的训练方法， 其特征在于， 所述通过所述解码网络对 所述样本池化特 征进行概 率计算， 得到样本 字段概率值的步骤， 包括： 通过预设函数对所述样本池化特 征进行字段概 率计算， 得到第一字段概 率值； 对所述第一字段概 率值进行筛 选处理， 得到所述样本 字段概率值。 5.一种图像处 理方法， 其特 征在于， 所述方法包括： 获取待处 理的目标图像； 将所述目标图像输入至图像处理模型进行图像识别处理， 得到所述目标图像对应的目 标文本信息， 其中， 所述图像处理模型根据如权利要求1至4任一项所述的图像处理模型 的 训练方法训练得到 。 6.根据权利要求5所述的图像处理方法， 其特征在于， 所述图像处理模型包括轻量化网 络、 池化网络以及解码网络， 所述将所述目标图像输入至图像处理模 型进行图像识别处理， 得到所述目标图像对应的目标文本信息的步骤， 包括： 通过所述轻量 化网络对所述目标图像进行 特征提取， 得到目标图像特 征图； 通过所述池化网络对所述目标图像特 征图进行池化处 理， 得到目标池化特 征； 通过所述解码网络的预设函数对所述目标池化特征进行预测处理， 得到目标概率向 量， 并根据所述目标概 率向量得到所述目标文本信息 。 7.一种图像处 理模型的训练装置， 其特 征在于， 所述装置包括： 第一图像获取模块， 用于获取样本图像； 数据增强模块， 用于对所述样本图像进行 数据增强处 理， 得到第一图像； 输入模块， 用于将所述第 一图像输入至预设的神经网络模型中， 其中， 所述神经网络模权　利　要　求　书 1/2 页 2 CN 114863245 A 2型包括轻量 化网络、 池化网络、 解码网络； 特征提取模块， 用于通过所述轻量化网络对所述第一图像进行特征提取， 得到样本 图 像特征图； 池化模块， 用于通过所述池化网络对所述样本 图像特征图进行池化处理， 得到样本池 化特征； 概率计算模块， 用于通过所述解码网络对所述样本池化特征进行概率计算， 得到样本 字段概率值； 训练模块， 用于根据所述样本字段概率值对所述神经网络模型的损 失函数进行优化， 得到图像处 理模型。 8.一种图像处 理装置， 其特 征在于， 所述装置包括： 第二图像获取模块， 用于获取待处 理的目标图像； 图像识别模块， 用于将所述目标图像输入至 图像处理模型进行图像识别处理， 得到所 述目标图像对应的目标文本信息， 其中， 所述图像处理模型根据如权利要求1至4任一项所 述的训练方法训练得到 。 9.一种电子设备， 其特征在于， 所述电子设备包括存储器、 处理器、 存储在所述存储器 上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通 信的数据总线， 所述程序被所述处理器执行时实现如权利要求1至4任一项所述的图像处理 模型的训练方法或者如权利要求5 至6任一项所述的图像处 理方法的步骤。 10.一种存储介质， 所述存储介质为计算机可读存储介质， 用于计算机可读存储， 其特 征在于， 所述存储介质存储有一个或者多个程序， 所述一个或者多个程序可被一个或者多 个处理器执行， 以实现如权利要求 1至4任一项 所述的图像处理模型的训练方法或者如权利 要求5至6任一项所述的图像处 理方法的步骤。权　利　要　求　书 2/2 页 3 CN 114863245 A 3