【技术实现步骤摘要】
图像处理方法、存储介质及电子设备
[0001]本专利技术涉及计算机
,具体而言,涉及一种图像处理方法、存储介质及电子设备。
技术介绍
[0002]目前,各个领域纷纷利用神经网络模型对图像进行处理。为了提升神经网络模型的性能,通常采用知识蒸馏方法对神经网络模型进行压缩。
[0003]相关技术中,常见地采用基于特征逼近的知识蒸馏方法压缩神经网络模型并提升神经网络模型的性能。然而,这种方法较适用于特征维度低的分类任务的模型,无法适用于特征维度较高的图像目标检测、图像分割等密集预测任务的模型。这是因为密集预测任务的特征图的不同维度之间的相关性对任务十分重要,仅通过特征逼近无法在知识蒸馏中将教师网络的信息迁移至学生网络中,也即无法有效地压缩神经网络模型,导致神经网络模型的性能提升效果十分有限。
[0004]针对上述的问题,目前尚未提出有效的解决方案。
技术实现思路
[0005]本专利技术实施例提供了一种图像处理方法、存储介质及电子设备,以至少解决相关技术中基于特征逼近的知识蒸馏无法适用于密集预测任务且神经网络模型性能提升受限的技术问题。
[0006]根据本专利技术实施例的一个方面,提供了一种图像处理方法,包括:获取待识别图像,其中,待识别图像中的显示内容包括:检测目标;采用第一目标检测器对待识别图像进行分析,得到检测目标的第一分析结果,其中,第一目标检测器由第二目标检测器基于差异信息进行知识蒸馏得到,差异信息为第一目标检测器与第二目标检测器之间的特征分布差异。
[0007] ...
【技术保护点】
【技术特征摘要】
1.一种图像处理方法,其特征在于,包括:获取待识别图像,其中,所述待识别图像中的显示内容包括:检测目标;采用第一目标检测器对所述待识别图像进行分析,得到所述检测目标的第一分析结果,其中,所述第一目标检测器由第二目标检测器基于差异信息进行知识蒸馏得到,所述差异信息为所述第一目标检测器与所述第二目标检测器之间的特征分布差异。2.根据权利要求1所述的图像处理方法,其特征在于,所述图像处理方法还包括:基于样本图像和目标模仿策略对第一初始检测器进行训练,得到第一特征图,以及采用所述样本图像和所述目标模仿策略对第二初始检测器进行训练,得到第二特征图和所述样本图像对应的第二分析结果;利用所述第一特征图、所述第二特征图、所述第二分析结果、所述样本图像对应的真实分析结果以及特征图生成器的网络参数,确定目标损失,其中,所述特征图生成器用于生成所述第一特征图;通过所述目标损失对第二初始检测器的网络参数进行优化,得到所述第二目标检测器;采用知识蒸馏方式将所述第二目标检测器的知识转移至所述第一初始检测器,得到所述第一目标检测器。3.根据权利要求2所述的图像处理方法,其特征在于,所述第一初始检测器包括:第一骨干网络模型和第一颈部网络模型,所述第二初始检测器包括:第二骨干网络模型和第二颈部网络模型,所述目标模仿策略用于控制所述第一初始检测器中的第一部分的特征分布模仿所述第二初始检测器中的第二部分的特征分布,所述第一部分包括以下之一:第一骨干网络模型、第一颈部网络模型,所述第二部分包括以下之一:第二骨干网络模型、第二颈部网络模型。4.根据权利要求3所述的图像处理方法,其特征在于,所述目标模仿策略包括:第一模仿策略,其中,所述第一模仿策略用于控制所述第一颈部网络模型的特征分布模仿所述第二颈部网络模型的特征分布;第二模仿策略,其中,所述第二模仿策略用于控制所述第一骨干网络模型的特征分布模仿所述第二骨干网络模型的特征分布;第三模仿策略,其中,所述第三模仿策略用于控制所述第一骨干网络模型的特征分布模仿所述第二颈部网络模型的特征分布;第四模仿策略,其中,所述第四模仿策略用于控制所述第一颈部网络模型的特征分布模仿所述第二骨干网络模型的特征分布。5.根据权利要求4所述的图像处理方法,其特征在于,基于所述样本图像和所述目标模仿策略对所述第一初始检测器进行训练,得到所述第一特征图包括:基于所述目标模仿策略在所述第一初始检测器中设置所述特征图生成器;将所述样本图像输入所述特征图生成器,输出所述第一特征图。6.根据权利要求4所述的图像处理方法,其特征在于,采用所述样本图像和所述目标模仿策略对所述第二初始检测器进行训练,得到所述第二特征图包括:基于所述目标模仿策略在所述第二初始检测器中设置检测鉴别器;将所述样本图像输入所述第二初始检测器中的第三部分,输出所述第二特征图,其中,
所述第三部分为所述第二初始检测器中除所述检测鉴别器之外的其余部分。7.根据权利要求4所述的图像处理方法,其特征在于,采用所述目标模仿策略对所述第二初始检测器进行训练,得到所述样本图像对应的所述第二分析结果包括:基于所述目标模仿策略在所述第二初始检...
【专利技术属性】
技术研发人员:郭天楚,
申请(专利权)人:阿里巴巴中国有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。