图像处理方法技术

本公开涉及一种图像处理方法

【技术实现步骤摘要】
图像处理方法、装置、设备及介质


[0001]本公开涉及人工智能
，尤其涉及一种图像处理方法
、
装置
、
设备及介质
。

技术介绍

[0002]现如今，人工智能技术已广泛应用于图像处理领域中，越来越多的智能设备开始采用诸如神经网络模型等图像处理模型对图像进行诸如目标检测
、
目标识别
、
加特效或者美化等处理
。
[0003]专利技术人经研究发现，由于图像处理模型需要依赖设备硬件资源，图像处理模型的精度不仅会直接影响图像处理效果，而且也会影响设备运行效果
。
诸如，模型精度越高，处理所得的图像效果越佳，但是需要消耗较多的设备硬件资源，使设备容易出现诸如发热
、
耗电量大
、
卡顿
、
闪退等情况，给设备运行造成不良影响
。
现有技术中大多是设置一种图像处理模型，无论是何种设备都统一采用提前设置的固定模型进行图像处理，难以同时较好地兼顾图像处理效果和设备运行效果
。

技术实现思路

[0004]为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种图像处理方法
、
装置
、
设备及介质
。
[0005]本公开实施例提供了一种图像处理方法，应用于电子设备，包括：获取待处理图像；获取参考信息，所述参考信息包括所述电子设备的性能和
/
或所述待处理图像的指定信息；根据所述参考信息从多个图像处理模型中选取目标模型；其中，不同所述图像处理模型的处理精度不同；采用所述目标模型对所述待处理图像进行处理
。
[0006]可选的，所述待处理图像的指定信息包括：所述待处理图像的清晰度和
/
或目标对象在所述待处理图像中的占比
。
[0007]可选的，根据所述参考信息从多个图像处理模型中选取目标模型的步骤，包括：在所述参考信息的种类为多种时，获取预设的参考排序；所述参考排序用于指示多种所述参考信息的参考优先级；排序越靠前的参考信息所对应的参考优先级越高；根据所述参考排序和多种所述参考信息，从多个图像处理模型中选取目标模型
。
[0008]可选的，所述多个图像处理模型包括第一图像处理模型和第二图像处理模型，所述第一图像处理模型的精度高于所述第二图像处理模型的精度
。
[0009]可选的，根据所述参考排序和多种所述参考信息，从多个图像处理模型中选取目标模型的步骤，包括：将多种所述参考信息按照所述参考排序依次作为待判别的目标信息，直至选取到目标模型或者直至位于所述参考排序末位的参考信息作为目标信息；在所述目标信息为所述参考排序末位之前的参考信息的情况下，判别所述目标信息是否满足所述目标信息对应的低质判别条件；如果满足，则选取所述第二图像处理模型作为目标模型；如果不满足，则按照所述参考排序更换所述目标信息；在所述目标信息为所述参考排序末位的参考信息的情况下，判别所述目标信息是否满足所述目标信息对应的低质判别条件；如果
满足，则选取所述第二图像处理模型作为目标模型；如果不满足，则选取所述第一图像处理模型作为目标模型
。
[0010]可选的，判别所述目标信息是否满足所述目标信息对应的低质判别条件的步骤，包括：获取所述目标信息对应的量化值以及所述目标信息所属种类对应的量化阈值；如果所述目标信息对应的量化值小于所述量化阈值，则确定所述目标信息满足所述目标信息对应的低质判别条件；如果所述目标信息对应的量化值不小于所述量化阈值，则确定所述目标信息不满足所述目标信息对应的低质判别条件
。
[0011]可选的，所述电子设备的性能在所述参考排序中位于首位
。
[0012]可选的，根据所述参考信息从多个图像处理模型中选取目标模型的步骤，包括：在所述参考信息的种类为多种时，获取每种所述参考信息的量化值以及权重；根据每种所述参考信息的量化值以及权重进行加权处理，得到加权值；根据预先设置的多个加权区间范围，确定所述加权值所在的加权区间范围；根据所述加权值所在的加权区间范围从多个图像处理模型中选取目标模型；其中，不同所述图像处理模型对应的加权区间范围不同，且所述加权值所在的加权区间范围与所述目标模型对应的加权区间范围一致
。
[0013]可选的，根据所述参考信息从多个图像处理模型中选取目标模型的步骤，包括：在所述参考信息的种类为一种时，获取所述参考信息的量化值，以及所述参考信息所属种类对应的多个量化区间范围；根据所述多个量化区间范围，确定所述参考信息的量化值所在的量化区间范围；根据所述参考信息的量化值所在的量化区间范围，从多个图像处理模型中选取目标模型；其中，不同所述图像处理模型对应的量化区间范围不同，且所述参考信息的量化值所在的量化区间范围与所述目标模型对应的量化区间范围一致
。
[0014]本公开实施例还提供了一种图像处理装置，应用于电子设备，包括：图像获取模块，用于获取待处理图像；信息获取模块，用于获取参考信息，所述参考信息包括所述电子设备的性能和
/
或所述待处理图像的指定信息；模型选取模块，用于根据所述参考信息从多个图像处理模型中选取目标模型；其中，不同所述图像处理模型的处理精度不同；模型处理模块，用于采用所述目标模型对所述待处理图像进行处理
。
[0015]本公开实施例还提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述任一所述的图像处理方法
。
[0016]本公开实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述任一所述的图像处理方法
。
[0017]本公开实施例提供的上述技术方案，能够获取参考信息
(
电子设备的性能和
/
或待处理图像的指定信息
)
，基于参考信息从多个处理精度不同的图像处理模型中选取目标模型，采用目标模型对待处理图像进行处理
。
上述方式充分考虑到设备性能和
/
或图像信息等因素与模型精度之间的关联影响程度，也考虑到不同情形
(
诸如设备性能不同和
/
或图像不同
)
下对图像处理效果和设备运行效果的要求不同，因此可根据当前获取的设备性能和
/
或待处理图像的指定信息等实际情形，从多个不同精度的图像处理模型中动态选择符合当前实际情形的模型
(
也即目标模型
)
进行图像处理，有助于较好地兼顾图像处理效果和设备运行效果
。
[0018]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特
征，也不用于限制本公开的范围...

【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，应用于电子设备，包括：获取待处理图像；获取参考信息，所述参考信息包括所述电子设备的性能和
/
或所述待处理图像的指定信息；根据所述参考信息从多个图像处理模型中选取目标模型；其中，不同所述图像处理模型的处理精度不同；采用所述目标模型对所述待处理图像进行处理
。2.
根据权利要求1所述的方法，其特征在于，所述待处理图像的指定信息包括：所述待处理图像的清晰度和
/
或目标对象在所述待处理图像中的占比
。3.
根据权利要求1所述的方法，其特征在于，根据所述参考信息从多个图像处理模型中选取目标模型的步骤，包括：在所述参考信息的种类为多种时，获取预设的参考排序；所述参考排序用于指示多种所述参考信息的参考优先级；排序越靠前的参考信息所对应的参考优先级越高；根据所述参考排序和多种所述参考信息，从多个图像处理模型中选取目标模型
。4.
根据权利要求3所述的方法，其特征在于，所述多个图像处理模型包括第一图像处理模型和第二图像处理模型，所述第一图像处理模型的精度高于所述第二图像处理模型的精度
。5.
根据权利要求4所述的方法，其特征在于，根据所述参考排序和多种所述参考信息，从多个图像处理模型中选取目标模型的步骤，包括：将多种所述参考信息按照所述参考排序依次作为待判别的目标信息，直至选取到目标模型或者直至位于所述参考排序末位的参考信息作为目标信息；在所述目标信息为所述参考排序末位之前的参考信息的情况下，判别所述目标信息是否满足所述目标信息对应的低质判别条件；如果满足，则选取所述第二图像处理模型作为目标模型；如果不满足，则按照所述参考排序更换所述目标信息；在所述目标信息为所述参考排序末位的参考信息的情况下，判别所述目标信息是否满足所述目标信息对应的低质判别条件；如果满足，则选取所述第二图像处理模型作为目标模型；如果不满足，则选取所述第一图像处理模型作为目标模型
。6.
根据权利要求5所述的方法，其特征在于，判别所述目标信息是否满足所述目标信息对应的低质判别条件的步骤，包括：获取所述目标信息对应的量化值以及所述目标信息所属种类对应的量化阈值；如果所述目标信息对应的量化值小于所述量化阈值，则确定所述目标信息满足所述目标信息对应的低质判别条件；如果所述目标信息对应的量化...

【专利技术属性】
技术研发人员：张兴华，刘悦，
申请(专利权)人：北京字跳网络技术有限公司，
类型：发明
国别省市：