[發明專利]圖像處理方法及裝置、電子設備及計算機存儲介質

在審

• 申請號: 201910377360.6
• 申請日: 2019-04-30
• 公開（公告）號: CN111860557A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 王飛;王蓓;錢晨
• 申請（專利權）人: 北京市商湯科技開發有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京思源智匯知識產權代理有限公司 11657
• 代理人: 毛麗琴

本公開實施例公開了一種圖像處理方法及裝置、電子設備及計算機存儲介質，其中，方法包括：獲取待處理圖像；將待處理圖像輸入到目標神經網絡進行處理，得到圖像處理結果；其中目標神經網絡采用以下步驟獲得：根據第一神經網絡中各個網絡通道之間的相似度，對第一神經網絡中的網絡通道進行分組；根據分組，確定第一神經網絡中至少一個網絡通道組中的基準網絡通道；根據至少一個網絡通道組中的除基準網絡通道以外的網絡通道及其與網絡通道組中的基準網絡通道之間的相似度，更新網絡通道組中的基準網絡通道的權重，并消除網絡通道組中的除基準網絡通道以外的網絡通道，以得到所述目標神經網絡。本公開實施例應用于移動端可以保證圖像處理的精度。

技術領域

本發明涉及計算機視覺技術，尤其是一種圖像處理方法及裝置、電子設備及計算機存儲介質。

背景技術

近年來，深度卷積神經網絡在計算機視覺領域的應用中取得了顯著的進展。大多數深度卷積神經網絡，如VGG、ResNet等，需要在具有大量存儲器和計算能力的GPU上執行，因此采用已有的深度卷積神經網絡處理圖像，由于計算量過大，導致深度卷積神經網絡在計算資源受限的移動端應用困難。

網絡壓縮技術作為深度卷積神經網絡在移動端應用的技術基礎，受到越來越多的關注。其中，減少網絡冗余性的剪枝技術，通過直接將網絡中不重要的網絡通道減掉，能夠很好的減小神經網絡的規模。采用已有的剪枝方法處理后的神經網絡進行圖像處理，雖然降低了計算量，但是由于網絡精度嚴重下降，導致圖像處理的精度下降，使所得到圖像難以滿足實際應用的需求。

發明內容

本發明實施例提供一種圖像處理技術方案。

根據本公開實施例的一個方面，提供一種圖像處理方法，包括：

獲取待處理圖像；

將所述待處理圖像輸入到目標神經網絡進行處理，得到圖像處理結果；

其中，所述目標神經網絡采用以下步驟獲得：

根據第一神經網絡中各個網絡通道之間的相似度，對所述第一神經網絡中的網絡通道進行分組；

根據所述分組，確定所述第一神經網絡中至少一個網絡通道組中的基準網絡通道；

根據所述至少一個網絡通道組中的除基準網絡通道以外的網絡通道及其與所述網絡通道組中的基準網絡通道之間的相似度，更新所述網絡通道組中的基準網絡通道的權重，并消除所述網絡通道組中的除基準網絡通道以外的網絡通道，以得到所述目標神經網絡。

可選地，在本公開上述方法實施例中，所述根據所述分組，確定所述第一神經網絡中至少一個網絡通道組中的基準網絡通道，包括：

針對所述第一神經網絡中的一個網絡通道組，確定該網絡通道組中的每個網絡通道與該組內其它網絡通道之間的相似度之和；

將該網絡通道組中與該組內其它網絡通道之間的相似度之和最大的網絡通道，作為該網絡通道組的基準網絡通道。

可選地，在本公開上述任一方法實施例中，根據一個網絡通道組中的除基準網絡通道以外的網絡通道及其與該網絡通道組中的基準網絡通道之間的相似度，更新該網絡通道組中的基準網絡通道的權重，包括：

確定該網絡通道組中的網絡通道在下一個網絡層中的線性組合；

根據該網絡通道組中的除基準網絡通道以外的各個網絡通道及其與該網絡通道組中的基準網絡通道之間的相似度，將所述線性組合中除基準網絡通道以外的網絡通道表示為基準網絡通道與新的權重的乘積，其中，所述新的權重中包含除基準網絡通道以外的該網絡通道的信息；

根據所述新的權重以及所述線性組合中的基準網絡通道的權重之和，更新該網絡通道組中的基準網絡通道的權重。