图像处理方法、装置、计算机设备和可读存储介质制造方法及图纸

本申请涉及图像处理技术领域，提供了一种图像处理方法、装置、计算机设备和可读存储介质。所述方法包括：获取待检测目标的图像；将所述图像输入至卷积神经网络模型，以获取多个图像特征；将所述多个图像特征输入至金字塔池化层，得到尺寸相同的多个目标图像特征；将所述多个目标图像特征输入至全连接层，以获取目标图像。采用本方法能够利用卷积神经网络模型获取多个图像特征，进而利用图像特征获取目标图像，实现对待检测目标进行图像检测的目的。

【技术实现步骤摘要】
图像处理方法、装置、计算机设备和可读存储介质
本申请涉及图像处理
，特别是涉及一种图像处理方法、装置、计算机设备和可读存储介质。
技术介绍
卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。卷积神经网络具有表征学习能力，能够按其阶层结构对输入信息进行平移不变分类，因此，也被成为“平移不变人工神经网络”。相关技术中，通常利用卷积神经网络进行图像检测来对工业产品进行质量检测，但是，相关技术中的卷积神经网络通常无法达到工业化应用的需求，因此需要改进。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够利用卷积神经网络模型实现对待检测目标进行图像检测的目的，提高检测速度的图像处理方法、装置、计算机设备和计算机可读存储介质。本申请实施例提供了一种图像处理方法，所述方法包括：获取待检测目标的图像；将所述图像输入至卷积神经网络模型，以获取多个图像特征；将所述多个图像特征输入至金字塔池化层，得到尺寸相同的多个目标图像特征；将所述多个目标图像特征输入至全连接层，以获取目标图像。在一个实施例中，所述卷积神经网络模型包括一个或多个依次相连的卷积神经网络单元；所述将所述图像输入至卷积神经网络模型，以获取多个图像特征，包括：获取图像信息数据；通过所述卷积神经网络子单元对所述图像信息数据进行特征提取，以获取所述多个图像特征；其中，在第一卷积神经网络单元中，所述图像信息数据为所述待检测目标的图像，在第i卷积神经网络单元中，所述图像信息数据为前一卷积神经网络单元获取到的所述多个图像特征，i为大于1的正整数。在一个实施例中，每个所述卷积神经网络单元包括至少两个并联的卷积神经网络子单元，所述通过所述卷积神经网络单元对所述图像信息数据进行特征提取，以获取多个图像特征，包括：将所述图像信息数据分别输入至所述至少两个并联的卷积神经网络子单元，以获取每个所述卷积神经网络子单元输出的第一特征数据；将每个所述卷积神经网络子单元输出的第一特征数据与输入至当前所述卷积神经网络单元的所述图像信息数据进行数据融合，以获取当前所述卷积神经网络单元输出的所述多个图像特征。在一个实施例中，所述卷积神经网络子单元包括至少两条并联的深度可分卷积支路，每条所述深度可分卷积支路串联有不同数量的可分卷积层，所述方法还包括：将所述图像信息数据分别输入至每个所述卷积神经网络子单元的每条所述深度可分卷积支路，得到多个第三特征数据；将属于同一所述卷积神经网络子单元的所述多个第三特征数据进行数据融合，以获取当前卷积神经网络子单元输出的第一特征数据。在一个实施例中，每个所述卷积神经网络子单元还包括中间层结构，所述方法还包括：将每个所述卷积神经网络子单元输出的第一特征数据输入至所述中间层，得到第二特征数据；将所述第一特征数据和所述第二特征数据进行数据融合，得到更新后的所述第一特征数据。在一个实施例中，所述中间层包括池化层、自定义层和第一激活层，所述自定义层包括卷积层、归一化层和第二激活层中的至少一个。在一个实施例中，所述将每个所述卷积神经网络子单元输出的第一特征数据与输入至当前所述卷积神经网络单元的所述图像信息数据进行数据融合，以获取当前所述卷积神经网络单元输出的所述多个图像特征，包括：获取数据融合得到的多个中间图像特征；将所述多个中间图像特征输入拼接层，得到拼接后的全局图像特征；将所述全局图像特征输入至卷积层，通过所述卷积层对所述全局图像特征进行降维处理，得到与输入当前所述卷积神经网络单元的所述图像信息数据维度相同的所述多个图像特征。本申请实施例提供了一种图像处理装置，所述装置包括：获取模块，用于获取待检测目标的原始图像；卷积神经网络模块，用于将所述图像输入至卷积神经网络模型；池化模块，用于将所述多个图像特征输入至金字塔池化层，得到尺寸相同的多个目标图像特征；拼接模块，用于将所述多个目标图像特征输入至全连接层，以获取所述图像的分类检测结果。本申请实施例提供了一种计算机设备，包括存储器和处理器，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本申请任意实施例所提供的图像处理方法的步骤。本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本申请任意实施例所提供的图像处理方法的步骤。本申请实施例所提供的图像处理方法、装置、计算机设备和计算机可读存储介质，能够利用卷积神经网络模型获取多个图像特征，然后利用金字塔池化层对多个图像特征进行池化操作，得到多个尺寸相同的目标图像特征，利用全连接层将多个尺寸相同的目标图像特征进行拼接，得到目标图像。从而实现对待检测目标的图像的处理，通过卷积神经网络模型有效提高对待检测目标的图像的处理速度和效果，通过金字塔池化层进一步提高图像处理过程的鲁棒性。附图说明图1为一个实施例中图像处理方法的应用场景图；图2为一个实施例中图像处理方法的流程示意图；图3为一个实施例中步骤102的流程示意图；图4为另一个实施例中图像处理方法的流程示意图；图5为另一个实施例中图像处理方法的流程示意图；图6为又一个实施例中图像处理方法的流程示意图；图7为再一个实施例中图像处理方法的流程示意图；图8为一个实现本申请图像处理方法的模型结构示意图；图9为一个实施例中图像处理装置的结构框图；图10为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的图像处理方法，可以应用于如图1所示的应用环境中。该图像处理方法应用于图像处理系统中。该图像处理系统可包括图像采集装置1和终端2。其中，图像采集装置1与终端2通过网络进行通信。图像采集装置1用于拍摄待检测目标的图像，然后通过网络通信将待检测目标的图像发送至终端2，终端2获取待检测目标的图像后，利用卷积神经网络模型、金字塔池化层和全连接层依次对待检测目标的图像进行处理，以获得目标图像。其中，终端2也可为服务器终端，具体可根据计算机算力进行实际部署，本申请在此不做具体限定。在一个实施例中，如图2所示，提供了一种图像处理方法，本实施例以该方法应用于终端进行举例说明，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：步骤101，获取待检测目标的图像。需要说明的是，待检测目标可为工业化生产的产品，例如移动终端的摄像头。随着科技的发展，人们更加注重产品的质量，在生产完成或在生产过程中的每一环节结束，均可对当前生产的产品进行检测，以尽早将不良产品和/或瑕疵产品进行剔除，避免流入市场，影响用户体验。举例来说，当前移动终端上通常设置有至少一个摄像头，在制作摄像头时，需要通过胶水将滤本文档来自技高网...

【技术保护点】
1.一种图像处理方法，所述方法包括：/n获取待检测目标的图像；/n将所述图像输入至卷积神经网络模型，以获取多个图像特征；/n将所述多个图像特征输入至金字塔池化层，得到尺寸相同的多个目标图像特征；/n将所述多个目标图像特征输入至全连接层，以获取目标图像。/n

【技术特征摘要】
1.一种图像处理方法，所述方法包括：
获取待检测目标的图像；
将所述图像输入至卷积神经网络模型，以获取多个图像特征；
将所述多个图像特征输入至金字塔池化层，得到尺寸相同的多个目标图像特征；
将所述多个目标图像特征输入至全连接层，以获取目标图像。


2.根据权利要求1所述的图像处理方法，其特征在于，所述卷积神经网络模型包括一个或多个依次相连的卷积神经网络单元；所述将所述图像输入至卷积神经网络模型，以获取多个图像特征，包括：
获取图像信息数据；
通过所述卷积神经网络单元对所述图像信息数据进行特征提取，以获取所述多个图像特征；
其中，在第一卷积神经网络单元中，所述图像信息数据为所述待检测目标的图像，在第i卷积神经网络单元中，所述图像信息数据为前一卷积神经网络单元获取到的所述多个图像特征，i为大于1的正整数。


3.根据权利要求2所述的图像处理方法，其特征在于，每个所述卷积神经网络单元包括至少两个并联的卷积神经网络子单元，所述通过所述卷积神经网络单元对所述图像信息数据进行特征提取，以获取多个图像特征，包括：
将所述图像信息数据分别输入至所述至少两个并联的卷积神经网络子单元，以获取每个所述卷积神经网络子单元输出的第一特征数据；
将每个所述卷积神经网络子单元输出的第一特征数据与输入至当前所述卷积神经网络单元的所述图像信息数据进行数据融合，以获取当前所述卷积神经网络单元输出的所述多个图像特征。


4.根据权利要求3所述的图像处理方法，其特征在于，所述卷积神经网络子单元包括至少两条并联的深度可分卷积支路，每条所述深度可分卷积支路串联有不同数量的可分卷积层，所述方法还包括：
将所述图像信息数据分别输入至每个所述卷积神经网络子单元的每条所述深度可分卷积支路，得到多个第三特征数据；
将属于同一所述卷积神经网络子单元的所述多个第三特征数据进行数据融合，以获取当前卷积神经网络子单元输出的第一特征数据。

【专利技术属性】
技术研发人员：于丽，
申请(专利权)人：上海闻泰信息技术有限公司，
类型：发明
国别省市：上海;31