System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开实施例涉及图像处理,尤其涉及一种基于推理引擎的图像处理方法、装置、设备及存储介质。
技术介绍
1、当前,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。针对于智能手机等通用的移动平台,机器学习模型需要基于推理引擎才能实现相应的功能。
2、现有技术中,在移动平台基于推理引擎执行图像处理任务时,存在计算效率低,任务耗时长的问题。
技术实现思路
1、本公开实施例提供一种基于推理引擎的图像处理方法、装置、设备及存储介质,以克服上述基于推理引擎执行图像处理任务时存在的计算效率低,任务耗时长的问题。
2、第一方面,本公开实施例提供一种基于推理引擎的图像处理方法,包括:
3、通过预设的推理引擎加载图像处理模型,所述图像处理模型包括依次设置的下采样结构和上采样结构,其中,所述下采样结构包括多个依次连接的下采样层,所述上采样结构包括对应数量的依次连接的上采样层,所述下采样结构和所述上采样结构之间残差相加,所述下采样层用于对输入图像进行下采样,所述上采样层用于对残差相加结果进行上采样;通过所述图像处理模型对待处理图像进行处理,得到目标图像,所述目标图像为多分辨率尺度下特征融合的显著图。
4、第二方面,本公开实施例提供一种基于推理引擎的图像处理装置,包括:
5、加载模块,用于通过预设的推理引擎加载图像处理模型,所述图像处理模型包括依次设置的下采样结构和上采样结构,其中,所述下采样结构包括多个依次连接的下采样层,所述
6、执行模块,用于通过所述图像处理模型对待处理图像进行处理,得到目标图像,所述目标图像为多分辨率尺度下特征融合的显著图。
7、第三方面,本公开实施例提供一种电子设备,包括:
8、处理器,以及与所述处理器通信连接的存储器;
9、所述存储器存储计算机执行指令;
10、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基于推理引擎的图像处理方法。
11、第四方面,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基于推理引擎的图像处理方法。
12、第五方面,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基于推理引擎的图像处理方法。
13、本实施例提供的基于推理引擎的图像处理方法、装置、设备及存储介质,通过预设的推理引擎加载图像处理模型,所述图像处理模型包括依次设置的下采样结构和上采样结构,其中,所述下采样结构包括多个依次连接的下采样层,所述上采样结构包括对应数量的依次连接的上采样层,所述下采样结构和所述上采样结构之间残差相加,所述下采样层用于对输入图像进行下采样,所述上采样层用于对残差相加结果进行上采样;通过所述图像处理模型对待处理图像进行处理,得到目标图像,所述目标图像为多分辨率尺度下特征融合的显著图。通过推理引擎加载具有对称设置,并进行残差相加的上采样结构和下采样结构的图像处理模型,实现对图像的多尺度特征的提取和融合,此种结构的图像处理模型由于更加适用于推理引擎运行,因此可以实现更快速度的图像处理过程,提高计算效率,降低图像处理任务耗时。
本文档来自技高网...【技术保护点】
1.一种基于推理引擎的图像处理方法,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,所述通过所述图像处理模型对待处理图像进行处理,得到目标图像,包括:
3.根据权利要求2所述的方法,其特征在于,所述通过所述下采样结构中的各下采样层,依次对所述待处理图像进行逐级下采样,得到与各所述下采样层对应的第一特征图,包括:
4.根据权利要求2所述的方法,其特征在于,所述通过所述上采样结构中的各上采样层,依次对所述最小特征图进行逐级上采样,并在所述逐级上采样过程中,利用对应层级的第一特征图进行残差相加,得到各所述上采样层对应的第二特征图,包括:
5.根据权利要求1所述的方法,其特征在于,所述下采样结构中包括第一下采样层和第二下采样层,所述第一下采样层和所述第二下采样层依次连接,所述第一下采样层用于对输入图像进行常规卷积操作,所述第二下采样层用于对输入图像进行深度可分离卷积操作。
6.根据权利要求5所述的方法,其特征在于,所述下采样结构中下采样层的总数为N,其中,所述下采样结构中的前M个下采样层为第一下采样层,后N-M个下
7.根据权利要求1所述的方法,其特征在于,所述上采样结构中包括第一上采样层和第二上采样层,所述第一上采样层和所述第二上采样层依次连接,所述第一上采样层用于对输入图像进行深度可分离卷积操作;所述第二上采样层用于对输入图像进行常规卷积操作。
8.根据权利要求1-7任一项所述的方法,其特征在于,所述推理引擎为Core ML引擎。
9.一种基于推理引擎的图像处理装置,其特征在于,包括:
10.一种电子设备,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;
11.一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任一项所述的基于推理引擎的图像处理方法。
12.一种计算机程序产品,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中任一项所述的基于推理引擎的图像处理方法。
...【技术特征摘要】
1.一种基于推理引擎的图像处理方法,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,所述通过所述图像处理模型对待处理图像进行处理,得到目标图像,包括:
3.根据权利要求2所述的方法,其特征在于,所述通过所述下采样结构中的各下采样层,依次对所述待处理图像进行逐级下采样,得到与各所述下采样层对应的第一特征图,包括:
4.根据权利要求2所述的方法,其特征在于,所述通过所述上采样结构中的各上采样层,依次对所述最小特征图进行逐级上采样,并在所述逐级上采样过程中,利用对应层级的第一特征图进行残差相加,得到各所述上采样层对应的第二特征图,包括:
5.根据权利要求1所述的方法,其特征在于,所述下采样结构中包括第一下采样层和第二下采样层,所述第一下采样层和所述第二下采样层依次连接,所述第一下采样层用于对输入图像进行常规卷积操作,所述第二下采样层用于对输入图像进行深度可分离卷积操作。
6.根据权利要求5所述的方法,其特征在于,所述下采样结构中下采样层的总数为n,其中,所述下采样结构中的前m个下采样层为第一下采样层,后n-m个...
【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。