图像处理方法及相关装置制造方法及图纸

本申请公开了一种图像处理方法及相关装置，该方法包括：基于初始轻量级手势检测网络构造多分支模块网络；获取手势图片，并根据所述手势图片构造训练数据集；根据所述训练数据集对所述多分支模块网络进行训练，得到符合预设条件的目标多分支模块网络；将所述目标多分支模块网络进行等价转换，得到目标轻量级手势检测网络。采用本申请实施例能够提升手势检测网络的检测精度。网络的检测精度。网络的检测精度。

【技术实现步骤摘要】
图像处理方法及相关装置


[0001]本申请涉及图像处理
，尤其涉及一种图像处理方法及相关装置。

技术介绍

[0002]随着电子设备(如手机、平板电脑等等)的大量普及应用，电子设备能够支持的应用越来越多，功能越来越强大，电子设备向着多样化、个性化的方向发展，成为用户生活中不可缺少的电子用品。
[0003]实际应用中，手势检测也成为电子设备的热门应用，利用手势可以让电子设备实现与手势相应的操作，进而，提升用户趣味性，以及控制便捷性，但是，目前来看，手势检测网络的检测精度不高，因此，如何提升手势检测网络的检测精度的问题亟待解决。

技术实现思路

[0004]本申请实施例提供一种图像处理方法及相关装置，能够提升手势检测网络的检测精度。
[0005]第一方面，本申请实施例提供一种图像处理方法，所述方法包括：
[0006]基于初始轻量级手势检测网络构造多分支模块网络；
[0007]获取手势图片，并根据所述手势图片构造训练数据集；
[0008]根据所述训练数据集对所述多分支模块网络进行训练，得到符合预设条件的目标多分支模块网络；
[0009]将所述目标多分支模块网络进行等价转换，得到目标轻量级手势检测网络。
[0010]第二方面，本申请实施例提供一种图像处理装置，所述装置包括：第一构造单元、第二构造单元、训练单元和转换单元，其中，
[0011]所述第一构造单元，用于基于初始轻量级手势检测网络构造多分支模块网络；
[0012]所述第二构造单元，用于获取手势图片，并根据所述手势图片构造训练数据集；
[0013]所述训练单元，用于根据所述训练数据集对所述多分支模块网络进行训练，得到符合预设条件的目标多分支模块网络；
[0014]所述转换单元，用于将所述目标多分支模块网络进行等价转换，得到目标轻量级手势检测网络。
[0015]第三方面，本申请实施例提供一种通信芯片，所述通信芯片包括处理器和存储器，所述处理器配置成：
[0016]基于初始轻量级手势检测网络构造多分支模块网络；
[0017]获取手势图片，并根据所述手势图片构造训练数据集；
[0018]根据所述训练数据集对所述多分支模块网络进行训练，得到符合预设条件的目标多分支模块网络；
[0019]将所述目标多分支模块网络进行等价转换，得到目标轻量级手势检测网络。
[0020]第四方面，本申请实施例提供一种电子设备，所述电子设备包括处理器、存储器，
所述存储器用于存储一个或多个程序，并且被配置由处理器执行，所述程序包括用于执行如第一方所描述的部分或者全部步骤。
[0021]第五方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。
[0022]第六方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第一方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
[0023]实施本申请实施例，具备如下有益效果：
[0024]可以看出，本申请实施例中所描述的图像处理方法及相关装置，基于初始轻量级手势检测网络构造多分支模块网络，获取手势图片，并根据手势图片构造训练数据集，根据训练数据集对多分支模块网络进行训练，得到符合预设条件的目标多分支模块网络，将目标多分支模块网络进行等价转换，得到目标轻量级手势检测网络，一方面，由于多分支模块网络相比原轻量级网络学习表征能力更强，特征空间更加丰富，具有更高的精度和更强的鲁棒性，另一方面，无需再次训练，只需要进行一次等价转换，就可以变换得到和多分支网络推理表现完全一致的原轻量级网络，进而，不仅能够提升手势检测网络的检测精度，还能够提升推理效率。
附图说明
[0025]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0026]图1是本申请实施例提供的一种电子设备的结构示意图；
[0027]图2是本申请实施例提供的一种电子设备的软件结构示意图；
[0028]图3A是本申请实施例提供的一种图像处理方法的流程示意图；
[0029]图3B是本申请实施例提供的另一种图像处理方法的流程示意图；
[0030]图3C是本申请实施例提供的另一种图像处理方法的流程示意图；
[0031]图3D是本申请实施例提供的一种多分支模块网络的演示示意图；
[0032]图3E是本申请实施例提供的一种初始轻量级手势检测网络的结构示意图；
[0033]图3F是本申请实施例提供的一种结构重参数化的演示示意图；
[0034]图3G是本申请实施例提供的另一种结构重参数化的演示示意图；
[0035]图3H是本申请实施例提供的另一种图像处理方法的流程示意图；
[0036]图4是本申请实施例提供的另一种图像处理方法的流程示意图；
[0037]图5是本申请实施例提供的另一种电子设备的结构示意图；
[0038]图6是本申请实施例提供的一种图像处理装置的功能单元组成框图。
具体实施方式
[0039]下面将结合附图，对本申请实施例中的技术方案进行描述。
[0040]为了更好地理解本申请实施例的方案，下面先对本申请实施例可能涉及的相关术语和概念进行介绍。
[0041]本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
[0042]具体实现中，本申请实施例中，电子设备可以包括各种具有通信功能的设备，例如，手持设备(智能手机、平板电脑等)、车载设备(导航仪、辅助倒车系统、行车记录仪、车载冰箱等等)、可穿戴设备(智能手环、无线耳机、智能手表、智能眼镜等等)、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(User Equipment，UE)，移动台(Mobile Station，MS)，虚拟现实/增强现实设备，终端设备(terminal device)等等，电子设备还可以为基站或者服务器或者接收机或者通信芯片。
[0043]电子设备还可以包括智能家居设备，智能家居设备可以为以下至少一种：智能音箱、智能摄本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：基于初始轻量级手势检测网络构造多分支模块网络；获取手势图片，并根据所述手势图片构造训练数据集；根据所述训练数据集对所述多分支模块网络进行训练，得到符合预设条件的目标多分支模块网络；将所述目标多分支模块网络进行等价转换，得到目标轻量级手势检测网络。2.根据权利要求1所述的方法，其特征在于，所述基于初始轻量级手势检测网络构造多分支模块网络，包括：将所述初始轻量级手势检测网络中的至少一个卷积算子转化为多分支模块网络。3.根据权利要求2所述的方法，其特征在于，所述多分支模块网络包括四路算子中的至少两路算子，所述四路算子分别包括：第一路算子包括1
×
1卷积层加批归一化层；所述第二路算子包括1
×
1卷积批归一化层加K
×
K卷积批归一化层；第三路算子包括1
×
1卷积批归一化层加平均化层；第四路算子包括K
×
K卷积批归一化层，K为正整数。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述初始轻量级手势检测网络还包括目标检测网络和目标框识别网络，所述方法还包括：采用第一损失函数对所述多分支模块网络进行训练，所述第一损失函数基于高斯核函数得到；采用第二损失函数对所述目标检测网络进行训练；采用第三损失函数对所述目标框识别网络进行训练。5.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述将所述目标多分支模块网络进行等价转换，得到目标轻量级手势检测网络，包括：利用结构重参数化技术，将所...

【专利技术属性】
技术研发人员：刘松，
申请(专利权)人：哲库科技上海有限公司，
类型：发明
国别省市：