图像处理方法技术

本申请公开了一种图像处理方法

【技术实现步骤摘要】
图像处理方法、设备和存储介质


[0001]本申请涉及图像处理
，特别是涉及一种图像处理方法
、
设备和存储介质
。

技术介绍

[0002]随着深度学习算法理论的飞速发展，为满足用户对图像处理精度的需求，模型参数量越来越大，而模型参数量越大，对应的在进行图像处理时所需的芯片的计算能力越高，且芯片对应的图像处理时间长，影响图像处理的效率
。
[0003]因此，如何在保持图像处理精度的同时，提高图像的处理效率成为极具研究价值的课题
。

技术实现思路

[0004]本申请主要解决的技术问题是提供一种图像处理方法
、
设备和存储介质，能够在保持图像处理精度的同时，提高图像的处理效率
。
[0005]为解决上述技术问题，本申请采用的一个技术方案是：提供一种图像处理方法，该方法包括：获取图像处理网络中目标网络层的目标通道权重参数；其中，目标通道权重参数包括目标网络层中各个通道的第一重要度；目标通道权重参数由第一目标网络中的预测子网络输出得到，第一目标网络为在图本文档来自技高网...

【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：获取图像处理网络中目标网络层的目标通道权重参数；其中，所述目标通道权重参数包括所述目标网络层中各个通道的第一重要度；所述目标通道权重参数由第一目标网络中的预测子网络输出得到，所述第一目标网络为在所述图像处理网络中的所述目标网络层处添加所述预测子网络得到；基于所述目标网络层的目标通道权重参数，得到所述目标网络层的目标通道配置参数；基于所述目标网络层的目标通道配置参数，对所述图像处理网络中所述目标网络层的通道进行激活或抑制，得到第二目标网络；利用所述第二目标网络处理待处理图像，得到所述待处理图像的图像处理结果
。2.
根据权利要求1所述的方法，其特征在于，所述获取图像处理网络中目标网络层的目标通道权重参数，包括：利用若干样本图像训练所述第一目标网络和所述图像处理网络，并获取训练过程中所述预测子网络输出的预测通道权重参数；基于所述目标网络层的预测通道权重参数，得到所述目标网络层的预测通道配置参数；基于所述目标网络层的预测通道配置参数对所述图像处理网络中所述目标网络层的通道进行激活或抑制，得到经通道激活或者抑制后的图像处理网络；返回所述利用若干样本图像训练所述第一目标网络和所述图像处理网络的步骤直至训练收敛，以选择最新的预测通道权重参数作为所述目标通道权重参数
。3.
根据权利要求2所述的方法，其特征在于，所述利用若干所述样本图像训练所述第一目标网络和所述图像处理网络，包括：对于各所述样本图像，利用所述第一目标网络处理所述样本图像，得到所述样本图像的第一处理结果，以及利用所述图像处理网络处理所述样本图像，得到所述样本图像的第二处理结果；至少基于由所述第一处理结果和所述第二处理结果度量得到的数据分布差异，调整所述第一目标网络和所述图像处理网络的网络参数
。4.
根据权利要求3所述的方法，其特征在于，在所述至少基于由所述第一处理结果和所述第二处理结果度量得到的数据分布差异，调整所述第一目标网络和所述图像处理网络的网络参数之前，所述方法还包括：基于所述第一处理结果与所述样本图像的图像标注信息，度量得到第一差异，并基于所述第二处理结果与所述样本图像的图像标注信息，度量得到第二差异；所述至少基于由所述第一处理结果和所述第二处理结果度量得到的数据分布差异，调整所述第一目标网络和所述图像处理网络的网络参数，包括：基于所述第一差异
、
所述第二差异和所述数据分布差异，调整所述第一目标网络和所述图像处理网络的网络参数
。5.
根据权利要求2至4任一项所述的方法，其特征在于，所述若干样本图像划分为多个样本批次；所述基于所述目标网络层的预测通道权重参数，得到所述目标网络层的预测通道配置
参数，包括：基于本轮训练所采用所述样本批次中各个所述样本图像分别对应的预测通道权重参数，融合得到所述目标网络层各个所述通道的第二重要度；基于所述目标网络层各个所述通道的第二重要度和所述目标网络层的通道激活率，确定所述目标网络层各个所述通道的理论配置结果；其中，所述通道的理论配置结果包括所述通道理论上应被激...

【专利技术属性】
技术研发人员：殷俊，杨嘉敏，吴福明，郑春煌，张朋，傅凯，程德强，鲁逸峰，张学涵，汪志强，周祥明，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：