(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 202210141816.0 (22)申请日 2022.02.16 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 王健　韩钧宇　陈金文　 (74)专利代理 机构 北京银龙知识产权代理有限 公司 11243 专利代理师 黄灿 (51)Int.Cl. G06F 16/583(2019.01) G06F 16/55(2019.01) G06V 10/762(2022.01) G06K 9/62(2022.01) (54)发明名称 一种图像处 理方法、 装置及电子设备 (57)摘要 本公开提供一种图像处理方法、 装置及电子 设备， 涉及人工智能领域， 尤其涉及深度学习、 计 算机视觉领域， 可应用于图像处理、 图像检测等 场景。 方案为： 获取图像集； 对图像集中各图像分 别进行目标检测得到第一区域图像集， 对图像集 中各图像分别进行无重叠剪裁得到第二区域图 像集， 对第一区域图像集以及第二区域图像集进 行聚类确定多个图像聚类簇， 针对每个图像聚类 簇， 基于图像聚类簇中图像的特征确定图像聚类 簇的类心特征， 用于图像检索。 图像聚类簇中的 区域图像一方面提高了目标的区域图像的完整 性， 另一方面减少了剪裁的区域图像数量， 且利 用图像聚类簇中图像的特征确定该图像聚类簇 的类心特征， 用于图像检索， 可降低检索复杂程 度， 提高检索效率。 权利要求书3页 说明书9页 附图4页 CN 114461837 A 2022.05.10 CN 114461837 A 1.一种图像处 理方法， 所述方法包括： 获取图像集； 对所述图像集中各图像分别进行目标检测， 得到第一区域图像集， 以及对所述图像集 中各图像分别进行 无重叠剪裁， 得到第二区域图像集； 对所述第一区域图像集以及所述第二区域图像集进行聚类， 确定多个图像聚类簇； 针对每个图像聚类簇， 基于所述图像聚类簇 中图像的特征确定所述图像聚类簇的类心 特征， 所述多个图像聚类簇的类心特 征用于图像 检索。 2.根据权利要求1所述的方法， 其中， 所述针对每个图像聚类簇， 基于所述图像聚类簇 中图像的特 征确定所述图像聚类簇的类心特 征之后， 还 包括： 获取待检索图像； 提取所述待检索图像的特 征； 从所述多个图像聚类簇中确定目标聚类簇， 其中， 所述目标聚类簇的类心特征与所述 待检索图像的特征之间的目标相似度在多个相似度中最大， 所述多个相似度为所述多个图 像聚类簇的类心特 征与所述待检索图像的特 征之间的相似度； 输出所述目标聚类簇中的图像。 3.根据权利要求2所述的方法， 其中， 所述 提取所述待检索图像的特 征， 包括： 通过预先已训练的目标检索模型中深度神经网络， 提取所述待检索图像的深度特征， 所述预先已训练的目标检索模型包括深度神经网络以及分类层， 且所述分类层的输入包括 所述深度神经网络的输出。 4.根据权利要求1所述的方法， 其中， 所述对所述第 一区域图像集以及所述第 二区域图 像集进行聚类， 确定多个图像聚类簇之后， 还 包括： 构建数据集， 所述数据集包括所述第 一区域图像集、 所述第 一区域图像集的类别、 所述 第二区域图像集以及第二区域图像集的类别， 其中， 所述数据集中任一条数据包括一个区 域图像以及对应的类别； 基于所述数据集对预先已训练的目标检索模型进行训练， 得到更新后的目标检索模 型， 所述预先已训练的目标检索模型包括深度神经网络以及分类层， 且所述分类层的输入 包括所述深度神经网络的输出。 5.根据权利要求1所述的方法， 其中， 所述图像集 为图像库中的图像； 所述对所述第 一区域图像集以及所述第 二区域图像集进行聚类， 确定多个图像聚类簇 之前， 还包括： 将目标区域图像集存入所述图像库中， 并针对所述目标区域图像集中每个区域图像， 将所述区域图像与所述图像集中所述区域图像所属的图像关联； 其中， 所述目标区域图像集包括所述第一区域图像集以及所述第二区域图像集。 6.根据权利要求1所述的方法， 其中， 所述基于所述图像聚类簇中图像的特征确定所述 图像聚类簇的类心特 征， 包括： 将所述图像聚类簇中图像的特 征的平均 作为所述图像聚类簇的类心特 征。 7.一种图像处 理装置， 所述装置包括： 第一获取模块， 用于获取图像集； 区域图像获取模块， 用于对所述图像集中各图像分别进行目标检测， 得到第一区域图权　利　要　求　书 1/3 页 2 CN 114461837 A 2像集， 以及对所述图像集中各图像分别进行 无重叠剪裁， 得到第二区域图像集； 聚类模块， 用于对所述第一区域图像集以及所述第二区域图像集进行聚类， 确定多个 图像聚类簇； 特征确定模块， 用于针对每个图像聚类簇， 基于所述图像聚类簇中图像的特征确定所 述图像聚类簇的类心特 征， 所述多个图像聚类簇的类心特 征用于图像 检索。 8.根据权利要求7 所述的装置， 其中， 还 包括： 第二获取模块， 用于获取待检索图像； 特征提取模块， 用于提取 所述待检索图像的特 征； 聚类簇确定模块， 用于从所述多个图像聚类簇中确定目标聚类簇， 其中， 所述目标聚类 簇的类心特征与所述待检索图像的特征之 间的目标相似度在多个相似度中最大， 所述多个 相似度为所述多个图像聚类簇的类心特 征与所述待检索图像的特 征之间的相似度； 图像输出模块， 用于 输出所述目标聚类簇中的图像。 9.根据权利要求8所述的装置， 其中， 所述 提取所述待检索图像的特 征， 包括： 通过预先已训练的目标检索模型中深度神经网络， 提取所述待检索图像的深度特征， 所述预先已训练的目标检索模型包括深度神经网络以及分类层， 且所述分类层的输入包括 所述深度神经网络的输出。 10.根据权利要求7 所述的装置， 其中， 还 包括： 数据集构建模块， 用于所述 聚类模块执行对所述第 一区域图像集以及所述第 二区域图 像集进行聚类， 确定多个图像聚类簇 之后， 构建数据集， 所述数据集包括所述第一区域图像 集、 所述第一区域图像集的类别、 所述第二区域图像集以及第二区域图像集的类别， 其中， 所述数据集中任一条 数据包括 一个区域图像以及对应的类别； 训练模块， 用于基于所述数据集对预先已训练的目标检索模型进行训练， 得到更新后 的目标检索模型， 所述预先已训练的目标检索模型包括深度神经网络以及分类层， 且所述 分类层的输入 包括所述深度神经网络的输出。 11.根据权利要求7 所述的装置， 其中， 所述图像集 为图像库中的图像； 所述装置还 包括： 图像处理模块， 用于所述聚类模块执行对所述第 一区域图像集以及所述第 二区域图像 集进行聚类， 确定多个图像聚类簇之前， 将目标区域图像集存入所述图像库中， 并针对所述 目标区域图像集中每个区域图像， 将所述区域图像与所述图像集中所述区域图像所属的图 像关联； 其中， 所述目标区域图像集包括所述第一区域图像集以及所述第二区域图像集。 12.根据权利要求7所述的装置， 其中， 所述基于所述图像聚类簇中图像的特征确定所 述图像聚类簇的类心特 征， 包括： 将所述图像聚类簇中图像的特 征的平均 作为所述图像聚类簇的类心特 征。 13.一种电子设备， 包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处 理器能够执 行权利要求1 ‑6任一所述的图像处 理方法。权　利　要　求　书 2/3 页 3 CN 114461837 A 3