【技术实现步骤摘要】
本申请实施例涉及人工智能，特别涉及一种图像处理方法及装置、芯片、电子设备及存储介质。
技术介绍
1、随着人工智能技术的快速发展，人工智能技术在各个领域中得到了越来越广泛的应用。特别是在图像处理领域中，基于人工智能技术实现各样的图像处理任务，比如图像的目标检测任务、图像分割任务、图像分类任务等。传统的用于图像处理的人工智能模型，还存在优化空间。
技术实现思路
1、本申请实施例提供一种图像处理方法及装置、芯片、电子设备及存储介质，可以提高图像处理的准确性。
2、本申请实施例公开了一种图像处理方法，包括：
3、将原始图像输入图像处理模型；
4、通过所述图像处理模型提取所述原始图像的图像特征，得到多尺度的融合特征图，并根据所述多尺度的融合特征图确定所述原始图像对应的预测结果；
5、其中，所述图像处理模型包括m个下采样模块及n个特征融合模块，所述m、n均为大于1的整数；所述下采样模块用于对输入的特征图进行下采样，以输出下采样模块对应尺度的特征图；
6、所述n个特征融合模块分别与不同的下采样模块连接，，第一特征融合模块用于对第一下采样模块对应尺度的特征图进行局部特征提取，得到第一特征输出结果，并根据所述第一特征输出结果进行全局特征提取，得到第二特征输出结果，根据所述第二特征输出结果输出融合特征图；；所述第一特征融合模块为任一所述特征融合模块，所述第一下采样模块与所述特征融合模块连接。
7、本申请实施例公开了一种芯片，包括处
8、所述处理器配置成：将原始图像输入图像处理模型；通过所述图像处理模型提取所述原始图像的图像特征，得到多尺度的融合特征图，并根据所述多尺度的融合特征图确定所述原始图像对应的预测结果；
9、其中，所述图像处理模型包括m个下采样模块及n个特征融合模块，所述m、n均为大于1的整数；所述下采样模块用于对输入的特征图进行下采样，以输出下采样模块对应尺度的特征图；
10、所述n个特征融合模块分别与不同的下采样模块连接，，第一特征融合模块用于对第一下采样模块对应尺度的特征图进行局部特征提取，得到第一特征输出结果，并根据所述第一特征输出结果进行全局特征提取，得到第二特征输出结果，根据所述第二特征输出结果输出融合特征图；；所述第一特征融合模块为任一所述特征融合模块，所述第一下采样模块与所述特征融合模块连接。
11、本申请实施例公开了一种图像处理装置，包括：
12、输入模块，用于将原始图像输入图像处理模型；
13、处理模块，用于通过所述图像处理模型提取所述原始图像的图像特征，得到多尺度的融合特征图，并根据所述多尺度的融合特征图确定所述原始图像对应的预测结果；
14、其中，所述图像处理模型包括m个下采样模块及n个特征融合模块，所述m、n均为大于1的整数；所述下采样模块用于对输入的特征图进行下采样，以输出下采样模块对应尺度的特征图；
15、所述n个特征融合模块分别与不同的下采样模块连接，，第一特征融合模块用于对第一下采样模块对应尺度的特征图进行局部特征提取，得到第一特征输出结果，并根据所述第一特征输出结果进行全局特征提取，得到第二特征输出结果，根据所述第二特征输出结果输出融合特征图；所述第一特征融合模块为任一所述特征融合模块，所述第一下采样模块与所述特征融合模块连接。
16、本申请实施例公开了一种电子设备，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如上所述的方法。
17、本申请实施例公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法。
18、本申请实施例提供了一种图像处理方法及装置、芯片、电子设备及存储介质，将原始图像输入图像处理模型，通过图像处理模型提取原始图像的图像特征，得到多尺度的融合特征图，并根据多尺度的融合特征图确定原始图像对应的预测结果，其中，图像处理模型包括m个下采样模块及n个特征融合模块，下采样模块用于对输入的特征图进行下采样，以输出下采样模块对应尺度的特征图，n个特征融合模块分别与不同的下采样模块连接，各个特征融合模块可对连接的采样模块输入的特征图进行局部特征提取及全局特征提取，从而得到多尺度的融合特征图，通过将局部特征和全局特征进行结合及多尺度融合，使图像处理模型得到更丰富的特征表述，从而可以提高输出的预测结果的精度，提高了图像处理的准确性，且图像处理模型的灵活性更高。
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M个下采样模块及N个特征融合模块串行连接。
3.根据权利要求1所述的方法，其特征在于，所述对第一下采样模块对应尺度的特征图进行局部特征提取，包括：
4.根据权利要求3所述的方法，其特征在于，所述第一下采样模块对应尺度越小，所述高维空间对应的映射维度越大。
5.根据权利要求1所述的方法，其特征在于，所述根据所述第一特征输出结果进行全局特征提取，得到第二特征输出结果，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于自注意力机制，根据所述第一特征输出结果进行全局特征提取，得到第二特征输出结果，包括：
7.根据权利要求6所述的方法，其特征在于，所述切片的切片尺寸是根据所述图像处理模型实现的图像处理任务确定的。
8.根据权利要求6所述的方法，其特征在于，所述第一下采样模块对应尺度越小，所述第一特征融合模块对应的切片尺寸越大。
9.根据权利要求6所述的方法，其特征在于，所述通过自注意力单元对所述多个切
10.根据权利要求1所述的方法，其特征在于，所述根据所述第一特征输出结果进行全局特征提取，得到第二特征输出结果，包括：
11.根据权利要求1～10任一项所述的方法，其特征在于，所述根据所述第二特征输出结果输出融合特征图，包括：
12.根据权利要求11所述的方法，其特征在于，在所述将所述第二特征输出结果与目标特征进行融合，得到融合特征图之前，所述方法还包括：
13.根据权利要求1～10任一项所述的方法，其特征在于，在所述第一特征融合模块为最后一个特征融合模块的情况下，所述根据所述第二特征输出结果输出融合特征图，包括：
14.一种芯片，其特征在于，包括处理器；
15.一种图像处理装置，其特征在于，包括：
16.一种电子设备，其特征在于，包括存储器及处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器实现如权利要求1～13任一项所述的方法。
17.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～13任一项所述的方法。
...【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m个下采样模块及n个特征融合模块串行连接。
3.根据权利要求1所述的方法，其特征在于，所述对第一下采样模块对应尺度的特征图进行局部特征提取，包括：
4.根据权利要求3所述的方法，其特征在于，所述第一下采样模块对应尺度越小，所述高维空间对应的映射维度越大。
5.根据权利要求1所述的方法，其特征在于，所述根据所述第一特征输出结果进行全局特征提取，得到第二特征输出结果，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于自注意力机制，根据所述第一特征输出结果进行全局特征提取，得到第二特征输出结果，包括：
7.根据权利要求6所述的方法，其特征在于，所述切片的切片尺寸是根据所述图像处理模型实现的图像处理任务确定的。
8.根据权利要求6所述的方法，其特征在于，所述第一下采样模块对应尺度越小，所述第一特征融合模块对应的切片尺寸越大。
9.根据权利要求6所述的方法，其特征在于，所述通过自注意力单元对所述多个切片序列进行自注意力计算，...
【专利技术属性】
技术研发人员：李晓敏，
申请(专利权)人：哲库科技上海有限公司，
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。