图像处理方法、图像处理模型的优化方法及相关设备技术

本申请提供了一种图像处理方法、图像处理模型的优化方法及相关设备。根据该图像处理方法，电子设备在获取图像后基于第一神经网络模型对图像进行处理，输出第一神经网络模型处理后的图像。其中，第一神经网络模型是由电子设备硬件适配的第二神经网络模型优化得到的，通过卷积层的通道的拓展和结构化剪枝，在保证模型结构不变的情况下，对模型中的通道进行筛选，以使得第一神经网络模型与第二神经网络模型的结构相同，从而能够使得电子设备处理图像的时间不延长的情况下，提升图像处理的效果。根据该图像处理模型的优化方法，由上述第二神经网络模型处理得到上述第一神经网络模型，能够在模型性能不恶化的前提下优化模型的精度和效果。

【技术实现步骤摘要】

本申请涉及终端，尤其涉及一种图像处理方法、图像处理模型的优化方法及相关设备。

技术介绍

1、卷积神经网络模型通常用于图像处理。一般而言，可以通过优化卷积神经网络模型的精度和效果，来提升图像处理的效果。然而，优化卷积神经网络模型的精度和效果很可能会增加卷积神经网络模型的复杂度，从而导致算法的性能恶化，即模型的推理速度变慢，图像处理所需的时间更长。而很多需要进行图像处理的场景，例如手机拍照、烟火检测、人脸识别等，对图像处理的效果以及图像处理所需的时间均有要求。

技术实现思路

1、本申请提供了一种图像处理方法、图像处理模型的优化方法及相关设备。根据该图像处理方法，能够使得电子设备处理图像的时间不延长的情况下，提升图像处理的效果。根据该图像处理模型的优化方法，能够在神经网络模型性能不恶化的前提下优化模型的精度和效果。

2、第一方面，提供了一种图像处理方法，应用于电子设备。该方法可以包括：获取图像；基于第一神经网络模型对图像进行处理；输出第一神经网络模型处理后的图像；其中，第一神经网络模型是根据第二神经网络本文档来自技高网...

【技术保护点】

1.一种图像处理方法，应用于电子设备，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述基于第一神经网络模型对所述图像进行处理，包括：

3.如权利要求1所述的方法，其特征在于，所述第一神经网络模型是通过分别对第三神经网络模型中的Y个第二卷积层的通道进行剪枝处理得到的，包括：

4.如权利要求3所述的方法，其特征在于，根据所述重要性评分分别修剪所述Y个第二卷积层内的通道，包括：

5.如权利要求4所述的方法，其特征在于，

6.如权利要求4或5所述的方法，其特征在于，

7.如权利要求6所述的方法，其特征在于，<...

【技术特征摘要】

1.一种图像处理方法，应用于电子设备，其特征在于，包括：

2.如权利要求1所述的方法，其特征在于，所述基于第一神经网络模型对所述图像进行处理，包括：

3.如权利要求1所述的方法，其特征在于，所述第一神经网络模型是通过分别对第三神经网络模型中的y个第二卷积层的通道进行剪枝处理得到的，包括：

4.如权利要求3所述的方法，其特征在于，根据所述重要性评分分别修剪所述y个第二卷积层内的通道，包括：

5.如权利要求4所述的方法，其特征在于，

6.如权利要求4或5所述的方法，其特征在于，

7.如权利要求6所述的方法，其特征在于，

8.如权利要求7所述的方法，其特征在于，

9.如权利要求2所述的方法，其特征在于，所述第三神经网络模型是通过分别增加所述第二神经网络模型中的y个第一卷积层内的通道的数量得到的，包括：

10.如权利要求2或9所述的方法，其特征在于，所述第一神经网络模型是通过分别对第三神经网络模型中的y个第二卷积层的通道进行剪枝处理得到的，包括：

11.一种图像处理模型的优化方法，其特征在于，包括：

12.如权利要求11所述的方法，其特征在于，所述分别对所述第三神经网络模型中的所述y个第二卷积层的通道进行剪枝处理，包括：

13.如权利要求12所述...

【专利技术属性】
技术研发人员：姚万欣，
申请(专利权)人：荣耀终端有限公司，
类型：发明
国别省市：