适用机器视觉的图像信号处理环境的训练方法及设备技术

本发明专利技术涉及图像信号处理环境的训练方法、装置及可读介质，其中本发明专利技术的计算装置包括存储器、处理器及存储在存储器上的计算机程序，所述处理器执行所述计算机程序时实现图像信号处理环境的训练方法。通过本发明专利技术可以提高处理后图片的语义质量。理后图片的语义质量。理后图片的语义质量。

【技术实现步骤摘要】
适用机器视觉的图像信号处理环境的训练方法及设备


[0001]本专利技术一般地涉及神经网络领域。更具体地，本专利技术涉及适用机器视觉的图像信号处理环境的训练方法、图像信号处理装置、计算装置、计算机可读存储介质及计算机程序产品。

技术介绍

[0002]在图像信号处理(Image Signal Processing，ISP)技术中，以真实还原场景或愉悦人眼为目标的色调映射(Tone Mapping，TM)模块或者动态范围压缩(Dynamic Range Compressing，DRC)模块长期以来是图像信号处理的核心功能模块。这是因为：受限于显示设备的显示位宽，图像采集传感器采集到的高位宽数据无法直接显示在显示设备上，需经过TM模块或DRC模块的处理。
[0003]随着机器视觉的发展，越来越多的产品不再需要显示图像，而是直接由机器接收图像数据并基于图像自动做出决策，如机器人、园区自动驾驶小车、智能监控等。在这些产品中通常包括核心神经网络，用于分析收到的图像信号，根据图像语义信息进行决策。这些产品同样受到位宽的限制，同样需要TM模块或DRC模块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种适用机器视觉的图像信号处理环境的训练方法，所述图像信号处理环境包括色调映射框架，所述训练方法包括：建立教练网络；以及基于所述教练网络的权重训练所述色调映射框架中的网络层，以获得所述网络层的教练后权重；其中，所述网络层基于所述教练后权重生成像素亮度的半饱和值。2.根据权利要求1所述的训练方法，所述色调映射框架包括人眼压缩模型，所述训练方法还包括：通过人眼标定，生成人眼训练数据集；以及将所述人眼训练数据集导入所述色调映射框架中，以监督训练所述网络层，生成所述网络层的初始权重；其中，基于所述教练网络的权重训练所述网络层的步骤是基于所述初始权重展开训练。3.根据权利要求1所述的训练方法，其中所述教练网络包括：骨干网络(backbone)，为ResNet结构；以及首部网络(header)，为数层全连接层加上Softmax结构。4.根据权利要求3所述的训练方法，其中所述教练网络的训练数据为ImageNet、COCO及VOC数据库其中之一。5.根据权利要求3所述的训练方法，其中所述基于教练网络的权重训练所述网络层的步骤为自监督训练。6.根据权利要求3所述的训练方法，其中所述基于教练网络的权重训练所述网络层的步骤是根据所述教练网络的损失函数梯度回传进行训练。7.根据权利要求1所述的训练方法，其中所述网络层为ResNet结构。8.根据权利要求1所述的训练方法，其中所述网络层为步长为1的多层二维卷积网络。9.根据权利要求1所述的训练方法，其中所述图像信号处理环境包括目标网络，所述训练方法还包括：基于所述教练后权重，训练所述目标网络，以获得所述目标网络的微调后权重；其中，所述图像信号处理环境基于所述教练后权重及所述微调后权重执行推理任务。10.根据权利要求2所述的训练方法，其中所述人眼压缩模型基于以下公式生成输出像素亮度值：其中，L
out
为所述输出像素亮度值，L
in
为输入像素亮度值，σ为所述半饱和值。11.根据权利要求10所述的训练方法，其中所述色...

【专利技术属性】
技术研发人员：请求不公布姓名，
申请(专利权)人：寒武纪西安集成电路有限公司，
类型：发明
国别省市：