【技术实现步骤摘要】
本公开实施例涉及图像处理，尤其涉及一种图像处理方法、装置、设备及存储介质。
技术介绍
1、随着机器学习技术的发展，基于机器学习的图像处理技术广泛应用在各类应用中。其中，一些用于实现像素级别图像处理任务的网络模型，通过捕捉图像不同分辨率尺度下的局部和全局信息，来获得用于实现像素级别任务的图像特征。
2、然而，现有技术中实现像素级别图像处理任务的网络模型计算量大，过程复杂，在移动终端一侧使用时，存在处理实时性差、稳定性差、终端计算资源消耗大等问题。
技术实现思路
1、本公开实施例提供一种图像处理方法、装置、设备及存储介质，以克服现有技术中实现像素级别图像处理任务的网络模型计算量大，过程复杂的问题。
2、第一方面，本公开实施例提供一种图像处理方法，包括：
3、对目标图像进行多尺度特征提取，得到不同分辨率尺度下的第一融合特征图；对第一输出特征图进行多尺度特征提取，并在每一分辨率尺度下，基于对应分辨率尺度的第一融合特征图进行特征融合，得到不同分辨率尺度下的第二融合特征图，其中，所述第一输出特征图为最大分辨率尺度对应的第一融合特征图；叠加所述第一输出特征图和第二输出特征图，生成所述目标图像对应的显著图，其中，所述第二输出特征图为最大分辨率尺度对应的第二融合特征图。
4、第二方面，本公开实施例提供一种图像处理装置，包含：
5、第一u型网络和第二u型网络，所述第一u型网络包括依次设置的多个下采样层和多个上采样层，所述第二u型网络包括依次设
6、第三方面，本公开实施例提供一种神经网络模型，包括：
7、第一u型网络和第二u型网络，所述第一u型网络包括依次设置的多个下采样层和多个上采样层，所述第二u型网络包括依次设置的多个下采样层和多个上采样层，所述第一u型网络和所述第二u型网络之间通过融合结构连接；所述融合结构包括输出连接、第一残差连接和第二残差连接，其中，所述第一残差连接用于实现所述第一u型网络的下采样层和所述第二u型网络的上采样层之间的特征融合；所述第二残差连接用于实现所述第一u型网络的输出与所述第二u型网络的输出之间的特征融合，所述输出连接用于实现所述第一u型网络的输出与所述第二u型网络的输入之间的特征传递；所述神经网络模型用于实现如上第一方面以及第一方面各种可能的设计所述的图像处理方法。
8、第四方面，本公开实施例提供一种图像处理装置，包括：
9、第一提取模块，用于对目标图像进行多尺度特征提取，得到不同分辨率尺度下的第一融合特征图；
10、第二提取模块，用于对第一输出特征图进行多尺度特征提取，并在每一分辨率尺度下，基于对应分辨率尺度的第一融合特征图进行特征融合，得到不同分辨率尺度下的第二融合特征图，其中，所述第一输出特征图为最大分辨率尺度对应的第一融合特征图；
11、叠加模块，用于叠加所述第一输出特征图和第二输出特征图，生成所述目标图像对应的显著图，其中，所述第二输出特征图为最大分辨率尺度对应的第二融合特征图。
12、第五方面，本公开实施例提供一种电子设备，包括：
13、处理器，以及与所述处理器通信连接的存储器；
14、所述存储器存储计算机执行指令；
15、所述处理器执行所述存储器存储的计算机执行指令，以实现如上第一方面以及第一方面各种可能的设计所述的图像处理方法。
16、第六方面，本公开实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的图像处理方法。
17、第七方面，本公开实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现如上第一方面以及第一方面各种可能的设计所述的图像处理方法。
18、本实施例提供的图像处理方法、装置、设备及存储介质，通过对目标图像进行多尺度特征提取，得到不同分辨率尺度下的第一融合特征图；对第一输出特征图进行多尺度特征提取，并在每一分辨率尺度下，基于对应分辨率尺度的第一融合特征图进行特征融合，得到不同分辨率尺度下的第二融合特征图，其中，所述第一输出特征图为最大分辨率尺度对应的第一融合特征图；叠加所述第一输出特征图和第二输出特征图，生成所述目标图像对应的显著图，其中，所述第二输出特征图为最大分辨率尺度对应的第二融合特征图。通过对目标图像进行两次多尺度特征提取，并进行特征融合，得到能够表现目标图像在不同分辨率尺度下的第一融合特征图和第二融合特征图，再对第一融合特征图和第二融合特征图进行融合，得到的显著图能够更好的表现目标图像在不同维度下的特征，从而实现更好的图像处理效果，同时处理过程简化，降低得到显著图所需的计算资源消耗，提高在移动终端一侧使用时的处理实时性和稳定性。
本文档来自技高网...【技术保护点】
1.一种图像处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对目标图像进行多尺度特征提取，得到不同分辨率尺度下的第一融合特征图，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述目标图像进行逐级下采样，得到多个各分辨率尺度下的第一下采样特征图，包括：
4.根据权利要求2所述的方法，其特征在于，所述对第一最小特征图进行逐级上采样，并在每一所述分辨率尺度下，利用对应分辨率尺度下的第一下采样特征图进行残差相加，得到各分辨率尺度下的第一融合特征图，包括：
5.根据权利要求1所述的方法，其特征在于，所述对第一输出特征图进行多尺度特征提取，并在每一分辨率尺度下，基于对应分辨率尺度的第一融合特征图进行特征融合，得到不同分辨率尺度下的第二融合特征图，包括：
6.根据权利要求5所述的方法，其特征在于，所述对所述第一输出特征图进行逐级下采样，并在每一所述分辨率尺度下，利用对应分辨率尺度下的第一融合特征图进行残差相加，得到各分辨率尺度下的第二下采样特征图，包括：
7.根据权利要求1-6任一项所
8.根据权利要求1-6任一项所述的方法，其特征在于，所述第一融合特征图和/或所述第二融合特征图基于深度可分离卷积操作得到。
9.一种图像处理装置，其特征在于，包含第一U型网络和第二U型网络，所述第一U型网络包括依次设置的多个下采样层和多个上采样层，所述第二U型网络包括依次设置的多个下采样层和多个上采样层，所述第一U型网络和所述第二U型网络之间通过融合结构连接；
10.一种图像处理装置，其特征在于，包括：
11.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至8任一项所述的图像处理方法。
13.一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现权利要求1至8中任一项所述的图像处理方法。
...【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对目标图像进行多尺度特征提取，得到不同分辨率尺度下的第一融合特征图，包括：
3.根据权利要求2所述的方法，其特征在于，所述对所述目标图像进行逐级下采样，得到多个各分辨率尺度下的第一下采样特征图，包括：
4.根据权利要求2所述的方法，其特征在于，所述对第一最小特征图进行逐级上采样，并在每一所述分辨率尺度下，利用对应分辨率尺度下的第一下采样特征图进行残差相加，得到各分辨率尺度下的第一融合特征图，包括：
5.根据权利要求1所述的方法，其特征在于，所述对第一输出特征图进行多尺度特征提取，并在每一分辨率尺度下，基于对应分辨率尺度的第一融合特征图进行特征融合，得到不同分辨率尺度下的第二融合特征图，包括：
6.根据权利要求5所述的方法，其特征在于，所述对所述第一输出特征图进行逐级下采样，并在每一所述分辨率尺度下，利用对应分辨率尺度下的第一融合特征图进行残差相加，得到各分辨率尺度下的第二下采样特征图，包括：
7.根...
【专利技术属性】
技术研发人员：吴捷，
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：
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。