一种图像处理方法、装置和计算机可读存储介质制造方法及图纸

本发明专利技术实施例公开了一种图像处理方法、装置和计算机可读存储介质；本发明专利技术实施例在从训练样本集合中确定当前需要训练的批数据后，该批数据包括多个图像样本，采用预设图像处理模型对图像样本进行特征提取，得到特征图集合，对特征图集合中的特征图进行剪枝，得到剪枝后特征图集合，根据剪枝后特征图集合，对批数据进行批归一化处理，以收敛图像处理模型，返回执行从训练样本集合中确定当前需要训练的批数据的步骤，直至图像处理模型收敛完毕，得到训练后图像处理模型，基于训练后图像处理模型对待处理图像进行处理，得到处理结果；该方案可以提高图像处理模型对图像处理的准确性。

An image processing method, device and computer readable storage medium

【技术实现步骤摘要】
一种图像处理方法、装置和计算机可读存储介质
本专利技术涉及通信
，具体涉及一种图像处理方法、装置和计算机可读存储介质。
技术介绍
近年来，随着神经网络技术在人工智能领域的大热，将神经网络应用于图像处理方面也有了长足的发展。尤其是将神经网络应用于图像分类分割领域。为了提升神经网络对图像处理的准确性，就需要在图像处理模型训练过程中提升网络性能，而网络正则化是提升网络性能的重要算法，现有的以dropout(一种网络剪枝算法)为代表的网络剪枝方法被广泛应用在各个图像处理任务中。在对现有技术的研究和实践过程中，本专利技术的专利技术人发现对于现有的网络剪枝方法在剪枝完成后会使得在图像处理模型中批归一层计算的均值和方差不准确，产生方差偏移，因此，会大大影响图像处理模型对图像处理的准确性。
技术实现思路
本专利技术实施例提供一种图像处理方法、装置和计算机可读存储介质。可以提高图像处理模型对图像处理的准确性。一种图像处理方法，包括：从训练样本集合中确定当前需要训练的批数据，所述批数据包括多个图像样本；采用预设图像处理模型对所述图像样本进行特征提取，得到特征图集合，所述特征图集合包括多个特征图，每一个特征图对应一个图像样本；对所述特征图集合中的特征图进行剪枝，得到剪枝后特征图集合；根据所述剪枝后特征图集合，对所述批数据进行批归一化处理，以收敛所述预设图像处理模型；返回执行从训练样本集合中确定当前需要训练的批数据的步骤，直至所述预设图像处理模型收敛完毕，得到训练后图像处理模型；基于所述训练后图像处理模型对待处理图像进行处理，得到处理结果。相应的，本专利技术实施例还提供另一种图像处理方法，包括：获取待处理图像；采用训练后图像处理模型对所述待处理图像进行特征提取，得到待处理图像对应的特征图，所述训练后图像处理模型由剪枝后特征图集合对批数据进行批归一化处理的结果训练而成，所述批数据包括多个图像样本，所述剪枝后特征图集合为所述批数据中图像样本对应的特征图被剪枝后得到的特征图集合；根据所述特征图，识别所述待处理图像的内容，并根据识别结果，对所述待处理图像进行分类或分割处理。相应的，本专利技术实施例提供一种图像处理装置，包括：确定单元，用于从训练样本集合中确定当前需要训练的批数据，所述批数据包括多个图像样本；提取单元，用于采用预设图像处理模型对所述图像样本进行特征提取，得到特征图集合，所述特征图集合包括多个特征图，每一个特征图对应一个图像样本；剪枝单元，用于对所述特征图集合中的特征图进行剪枝，得到剪枝后特征图集合；收敛单元，用于根据所述剪枝后特征图集合，对所述批数据进行批归一化处理，以收敛所述预设图像处理模型；执行单元，用于返回执行从训练样本集合中确定当前需要训练的批数据的步骤，直至所述预设图像处理模型收敛完毕，得到训练后图像处理模型；处理单元，用于基于所述训练后图像处理模型对待处理图像进行处理，得到处理结果。相应的，本专利技术实施例还提供另一种一种图像处理装置，包括：获取单元，用于获取待处理图像；特征提取单元，用于采用训练后图像处理模型对所述待处理图像进行特征提取，得到待处理图像对应的特征图，所述训练后图像处理模型由剪枝后特征图集合对批数据进行批归一化处理的结果训练而成，所述批数据包括多个图像样本，所述剪枝后特征图集合为所述批数据中图像样本对应的特征图被剪枝后得到的特征图集合；识别单元，用于根据所述特征图，识别所述待处理图像的内容，并根据识别结果，对所述待处理图像进行分类或分割处理。可选的，在一些实施例中，所述收敛单元，具体可以用于根据所述剪枝后特征图集合，对输入至批归一层的目标特征图集合的均值进行修正，得到修正后特征图集合；采用所述批归一层对所述修正后特征图集合中的特征图进行批归一化处理；根据批归一化处理结果，更新所述批归一层的网络参数，以收敛所述预设图像处理模型。可选的，在一些实施例中，所述收敛单元，具体可以用于根据所述剪枝后特征图集合和图像处理模型的结构，确定输入至批归一层的目标特征图集合；计算所述目标特征图集合中未剪枝特征图的均值，得到目标均值；根据所述目标均值，对所述目标特征集合的均值进行修正，得到修正后特征图集合。可选的，在一些实施例中，所述收敛单元，具体可以用于在所述目标特征图集合中识别出已剪枝特征图的位置；将所述目标均值填充至所述已剪枝特征图的位置，使得所述已剪枝特征图的特征值为所述目标均值，得到修正后特征图集合。在一些实施例中，所述收敛单元，具体可以用于根据所述图像处理模型的结构，识别出所述剪枝后特征图集合将要输入的网络层的类型；当所述网络层的类型为所述批归一层时，确定所述剪枝后特征图集合为所述目标特征图集合；当所述网络层的类型为其他网络层时，采用所述其他网络层对剪枝后特征图集合进行特征处理，并返回执行识别所述其他网络层的下一个网络层的步骤，直到识别出网络层的类型为所述批归一层为止，将所述剪枝后特征图集合经过所述批归一层之前的网络层进行特征处理得到的处理后特征图集合作为目标特征图集合。可选的，在一些实施例中，所述收敛单元，具体可以用于当所述目标特征图集合为所述剪枝后特征图集合时，在所述剪枝后特征图集合中筛选出未剪枝特征图，计算所述未剪枝特征图的均值，得到目标均值；当所述目标特征图集合为所述处理后特征图集合时，根据所述剪枝后特征图集合，对所述处理后特征图集合进行剪枝，并计算所述处理后特征图集合中未剪枝特征图的均值，得到目标均值。可选的，在一些实施例中，所述收敛单元，具体可以用于在所述剪枝后特征图集合中筛选出已剪枝特征图；获取所述已剪枝特征图的身份标识；在所述处理后特征图集合中对所述身份标识对应的特征图进行剪枝，并计算所述处理后特征图集合中未剪枝特征图的均值，得到目标均值。可选的，在一些实施例中，所述收敛单元，具体可以用于采用所述批归一化层计算所述修正后特征图集合中特征图的均值和方差；根据所述特征图的均值和方差，对所述修正后特征图集合中的特征图进行标准化处理，得到标准化特征图集合。可选的，在一些实施例中，所述收敛单元，具体可以用于对所述标准化特征图集合进行缩放和平移处理，以训练所述批归一层的网络参数；根据训练结果，更新所述批归一层的网络参数，以收敛所述预设图像处理模型。可选的，在一些实施例中，所述剪枝单元，具体可以用于根据预设剪枝系数，确定所述特征图集合中需要剪枝的特征图的剪枝数量；在所述特征图集合中选择所述剪枝数量对应的目标特征图；对所述目标特征图进行剪枝，得到剪枝后特征图集合。可选的，在一些实施例中，所述剪枝单元，具体可以用于获取所述目标特征图在所述特征图集合中的目标位置；根据所述目标位置，生成所述特征图集合对应的掩码图；基于所述掩码图，将所述目标特征图的特征值清零，得到清零后特征图集合；根据所述预设剪枝系数，对所述清零后特征图集合进行补偿，得到剪枝后特征图集合。可选的，在一些实施例中，所述处理单元，具体本文档来自技高网...

【技术保护点】
1.一种图像处理方法，其特征在于，包括：/n从训练样本集合中确定当前需要训练的批数据，所述批数据包括多个图像样本；/n采用预设图像处理模型对所述图像样本进行特征提取，得到特征图集合，所述特征图集合包括多个特征图，每一个特征图对应一个图像样本；/n对所述特征图集合中的特征图进行剪枝，得到剪枝后特征图集合；/n根据所述剪枝后特征图集合，对所述批数据进行批归一化处理，以收敛所述预设图像处理模型；/n返回执行从训练样本集合中确定当前需要训练的批数据的步骤，直至所述预设图像处理模型收敛完毕，得到训练后图像处理模型；/n基于所述训练后图像处理模型对待处理图像进行处理，得到处理结果。/n

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
从训练样本集合中确定当前需要训练的批数据，所述批数据包括多个图像样本；
采用预设图像处理模型对所述图像样本进行特征提取，得到特征图集合，所述特征图集合包括多个特征图，每一个特征图对应一个图像样本；
对所述特征图集合中的特征图进行剪枝，得到剪枝后特征图集合；
根据所述剪枝后特征图集合，对所述批数据进行批归一化处理，以收敛所述预设图像处理模型；
返回执行从训练样本集合中确定当前需要训练的批数据的步骤，直至所述预设图像处理模型收敛完毕，得到训练后图像处理模型；
基于所述训练后图像处理模型对待处理图像进行处理，得到处理结果。


2.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述剪枝后特征图集合，对所述批数据进行批归一化处理，以收敛所述预设图像处理模型，包括：
根据所述剪枝后特征图集合，对输入至批归一层的目标特征图集合的均值进行修正，得到修正后特征图集合；
采用所述批归一层对所述修正后特征图集合中的特征图进行批归一化处理；
根据批归一化处理结果，更新所述批归一层的网络参数，以收敛所述预设图像处理模型。


3.根据权利要求2所述的图像处理方法，其特征在于，所述根据所述剪枝后特征图集合，对输入至批归一层的目标特征图集合的均值进行修正，得到修正后特征图集合，包括：
根据所述剪枝后特征图集合和图像处理模型的结构，确定输入至批归一层的目标特征图集合；
计算所述目标特征图集合中未剪枝特征图的均值，得到目标均值；
根据所述目标均值，对所述目标特征集合的均值进行修正，得到修正后特征图集合。


4.根据权利要求3所述的图像处理方法，其特征在于，所述根据所述目标均值，对所述目标特征集合的均值进行修正，得到修正后特征图集合，包括：
在所述目标特征图集合中识别出已剪枝特征图的位置；
将所述目标均值填充至所述已剪枝特征图的位置，使得所述已剪枝特征图的特征值为所述目标均值，得到修正后特征图集合。


5.根据权利要求3所述的图像处理方法，其特征在于，所述根据所述剪枝后特征图集合和图像处理模型的结构，确定输入至批归一层的目标特征图集合，包括：
根据所述图像处理模型的结构，识别出所述剪枝后特征图集合将要输入的网络层的类型；
当所述网络层的类型为所述批归一层时，确定所述剪枝后特征图集合为所述目标特征图集合；
当所述网络层的类型为其他网络层时，采用所述其他网络层对剪枝后特征图集合进行特征处理，并返回执行识别所述其他网络层的下一个网络层的步骤，直到识别出网络层的类型为所述批归一层为止，将所述剪枝后特征图集合经过所述批归一层之前的网络层进行特征处理得到的处理后特征图集合作为目标特征图集合。


6.根据权利要求5所述图像处理方法，其特征在于，所述计算所述目标特征图集合中未剪枝特征图的均值，得到目标均值，包括：
当所述目标特征图集合为所述剪枝后特征图集合时，在所述剪枝后特征图集合中筛选出未剪枝特征图，计算所述未剪枝特征图的均值，得到目标均值；
当所述目标特征图集合为所述处理后特征图集合时，根据所述剪枝后特征图集合，对所述处理后特征图集合进行剪枝，并计算所述处理后特征图集合中未剪枝特征图的均值，得到目标均值。


7.根据权利要求6所述的图像处理方法，其特征在于，所述根据所述剪枝后特征图集合，对所述处理后特征图集合进行剪枝，并计算所述处理后特征图集合中未剪枝特征图的均值，得到目标均值，包括：
在所述剪枝后特征图集合中筛选出已剪枝特征图；
获取所述已剪枝特征图的身份标识；
在所述处理后特征图集合中对所述身份标识对应...

【专利技术属性】
技术研发人员：孙若琪，沈志强，陈万里，徐洪义，李睿宇，沈小勇，马利庄，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东;44