图像处理方法、神经网络及其训练方法、装置和设备制造方法及图纸

本公开提供了一种图像处理方法、神经网络及其训练方法、装置和设备，涉及人工智能技术领域，具体涉及计算机视觉、图像处理和深度学习技术。该方法包括：利用多个编码层对待处理图像进行协同处理，以得到第一特征图；利用并联的多个第一空洞卷积层分别对第一特征图进行处理，以得到多个第二特征图；将多个第二特征图进行融合，以得到第三特征图；利用串联的多个第二空洞卷积层对第三特征图进行处理，以得到第四特征图；以及利用多个解码层对第四特征图进行协同处理，以得到图像处理结果。以得到图像处理结果。以得到图像处理结果。

【技术实现步骤摘要】
图像处理方法、神经网络及其训练方法、装置和设备


[0001]本公开涉及人工智能
，具体涉及计算机视觉、图像处理和深度学习技术，特别涉及一种图像处理方法、神经网络的训练方法、神经网络、电子设备、计算机可读存储介质和计算机程序产品。

技术介绍

[0002]人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
[0003]随着人工智能相关技术的发展与应用，越来越多的领域显露出对智能化、自动化技术的强烈需求，其中图像/视频处理领域就是其中之一。目前，人像分割是该领域中的一个重要分支，应用和落地量大，因此各个应用程序对于人像分割有很大的需求，但是同时也有很高的要求，尤其以精度和速度指标最为重要。
[0004]在此部分中描述的方法不一定是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，包括：利用多个编码层对待处理图像进行协同处理，以得到第一特征图；利用并联的多个第一空洞卷积层分别对所述第一特征图进行处理，以得到多个第二特征图；将所述多个第二特征图进行融合，以得到第三特征图；利用串联的多个第二空洞卷积层对所述第三特征图进行处理，以得到第四特征图；以及利用多个解码层对所述第四特征图进行协同处理，以得到图像处理结果。2.如权利要求1所述的方法，其中，所述多个编码层包括对所述待处理图像进行逐步降采样的多个降采样层，其中，所述第一特征图为最后一次降采样后的特征图，其中，所述多个解码层包括对所述第四特征图进行逐步上采样的多个上采样层，其中，所述利用多个解码层对所述第四特征图进行协同处理，以得到图像处理结果包括：利用所述多个上采样层中的每一个上采样层对该上采样层接收到的特征图进行上采样，以得到第一待融合特征图；至少基于所述第一待融合特征图的尺寸，在所述多个编码层各自输出的特征图中确定第二待融合特征图；以及将所述第一待融合特征图和所述第二待融合特征图进行融合。3.如权利要求2所述的方法，其中，所述多个解码层还包括与所述多个上采样层中的每一个上采样层对应的并联的多个第三空洞卷积层以及所述多个第三空洞卷积层之后的串联的多个第四空洞卷积层，其中，利用所述多个解码层对所述第四特征图进行协同处理还包括：针对所述多个上采样层中的每一个上采样层，利用对应的多个第三空洞卷积层分别对目标特征图进行处理，以得到多个第五特征图，所述目标特征图为该上采样层输出的第一待融合特征图与对应的第二待融合特征图融合后的特征图；将所述多个第五特征图进行融合，以得到第六特征图；以及利用与该上采样层对应的多个第四空洞卷积层对所述第六特征图进行处理，以得到第七特征图。4.如权利要求2或3所述的方法，其中，将所述第一待融合特征图和所述第二待融合特征图进行融合包括：将所述第一待融合特征图和利用残差块处理后的所述第二待融合特征图进行融合。5.如权利要求2
‑
4中任一项所述的方法，其中，所述多个降采样层包括四个倍率为2的降采样层，所述多个上采样层包括三个倍率为2的上采样层。6.如权利要求1
‑
5中任一项所述的方法，还包括：将所述第三特征图和所述第四特征图进行融合，以更新所述第四特征图，其中，所述利用所述多个解码层对所述第四特征图进行协同处理，以得到图像处理结果包括：利用所述多个解码层对更新后的所述第四特征图进行协同处理，以得到图像处理结果。7.如权利要求1
‑
6中任一项所述的方法，其中，利用所述多个第二空洞卷积层对所述第
三特征图进行处理，以得到第四特征图包括：将所述多个第二空洞卷积层各自输出的特征图进行融合，以得到所述第四特征图。8.如权利要求1
‑
7中任一项所述的方法，其中，所述多个编码层、所述多个第一空洞卷积层、所述多个第二空洞卷积层、以及所述多个解码层中包括至少一个使用可分离卷积的卷积层。9.如权利要求1
‑
8中任一项所述的方法，其中，所述待处理图像为包括人像的图像，所述图像处理结果为人像分割结果。10.一种神经网络的训练方法，所述神经网络包括多个编码层、所述多个编码层之后的并联的多个第一空洞卷积层、所述多个第一空洞卷积层之后的第一融合层、所述多个第一融合层之后的串联的多个第二空洞卷积层、以及所述多个第二空洞卷积层之后的多个解码层，所述方法包括：获取样本图像和所述样本图像的真实标签；利用所述多个编码层对样本图像进行协同处理，以得到第一样本特征图；利用所述多个第一空洞卷积层分别对所述第一样本特征图进行处理，以得到多个第二样本特征图；利用所述第一融合层将所述多个第二样本特...

【专利技术属性】
技术研发人员：韩文华，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：