【技术实现步骤摘要】
图像处理方法、光刻设备和计算机可读存储介质
[0001]本专利技术涉及半导体
,尤其是涉及一种图像处理方法
、
光刻设备和计算机可读存储介质
。
技术介绍
[0002]相关技术中,
Transformer
模型最初被开发用于自然语言任务中的序列处理
。
它已被应用于许多视觉任务,如图像识别,分割,目标检测等,视觉
Transformer
将图像分解为一系列的块,即局部窗口,并学习它们之间的相互关系
。
这些模型的显著特性是学习图像块序列之间的长范围依赖关系的强大能力和对给定输入内容的适应性
。
由于这些特性,
Transformer
模型也被用于超分辨率
、
去模糊
、
去噪等低层次视觉问题的研究
。
[0003]然而,采用
Transformer
模型处理图像去模糊时,存在一些问题
。
当在多尺度特征图上应用自注意力时,按输入块数量
(
即空间分辨率
)
缩放的计算成本呈二次增长,即
O(H2W2)
,这使得计算变得非常昂贵
。
为了应对这个问题,传统的多尺度
Transformer
方法通常采用下采样操作对键
/
值进行降维以降低计算成本
。
然而,这种基于池化的操作不可避免地导致了信息的丢失,尤其是 ...
【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:获取原始图像;将所述原始图像输入
Transformer
模型,以对所述原始图像进行去模糊处理,其中,所述
Transformer
模型包括编码器和解码器,编码器特征通过跳跃连接与解码器特征连接,所述编码器和所述解码器的每一层均包含多个
Transformer
块,每个所述
Transformer
块通过小波变换对键值进行采样,所述采样包括上采样或下采样;获取所述
Transformer
模型输出的特征图像
。2.
根据权利要求1所述的图像处理方法,其特征在于,所述编码器的每个所述
Transformer
块通过小波变换对键值进行采样,包括:输入特征映射图至所述
Transformer
块;将输入的特征映射图进行线性转换,以获得通道维数的特征映射图;通过小波变换对所述通道维数的特征映射图进行采样;根据所述采样的特征映射图获得采样的键值
。3.
根据权利要求2所述的图像处理方法,其特征在于,根据所述采样的特征映射图获得采样的键值,包括:通过预设维度的卷积网络对所述采样的特征映射图施加空间局部性,以获得局部上下文的采样特征图;将所述采样特征图进行线性转换以获得采样的键值
。4.
根据权利要求3所述的图像处理方法,其特征在于,将所述原始图像输入
Transformer
模型,以对所述原始图像进行去模糊处理,还包括:将输入的特征映射图进行线性转换,以获得每个
head
的查询;采用小波变换的多头自注意力学习将每个
head
的查询和对应的键值进行关联,以获得每个
head
的长程上下文信息
。5.
根据权利要求4所述的图像处理方法,其特征在于,将所述原始图像输入
Transformer
模型,以对所述原始图像进行去模糊处理,还包括:将每个
head
的所述局部上下文的采样特征图进行逆小波变换,以获得重构的局部上下文信息;将每个
head
的长程上下文信息和所述重构的局部上下文信息合并,然后进行线性转换,以获得小波转换图像
。6.<...
【专利技术属性】
技术研发人员:邓健力,
申请(专利权)人:合肥芯碁微电子装备股份有限公司,
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。