[發(fā)明專利]基于全卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法及裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201910539949.1
• 申請(qǐng)日: 2019-06-21
• 公開(kāi)（公告）號(hào): CN110245747B
• 公開(kāi)（公告）日: 2021-10-19
• 發(fā)明（設(shè)計(jì)）人: 陳增照;陳少輝;吳珂;徐曉剛;楊濘瑜
• 申請(qǐng)（專利權(quán)）人: 華中師范大學(xué)
• 主分類號(hào): G06N3/04
• 分類號(hào): G06N3/04
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 楊奇松

1.一種基于全卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法，其特征在于，應(yīng)用于計(jì)算機(jī)設(shè)備，所述全卷積神經(jīng)網(wǎng)絡(luò)包括數(shù)據(jù)細(xì)化層、卷積層和反卷積層，所述方法包括：

將待處理圖像輸入到訓(xùn)練好的全卷積神經(jīng)網(wǎng)絡(luò)的細(xì)化層中對(duì)所述待處理圖像的圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)細(xì)化處理，并將數(shù)據(jù)細(xì)化處理后的所述待處理圖像轉(zhuǎn)換為三個(gè)三原色單通道灰度圖像；

將各所述三原色單通道灰度圖像輸入卷積層中進(jìn)行圖像卷積處理，得到各所述三原色單通道灰度圖像對(duì)應(yīng)的用于表征所述待處理圖像中目標(biāo)物體類別的特征圖，對(duì)各所述三原色單通道灰度圖像的特征圖進(jìn)行處理得到一個(gè)處理后的表征所述待處理圖像中目標(biāo)物體類別的特征圖；

將所述處理后的表征所述待處理圖像中目標(biāo)物體類別的特征圖輸入反卷積層中進(jìn)行圖像反卷積處理，以將所述待處理圖像中目標(biāo)物體類別的特征圖轉(zhuǎn)換為與所述待處理圖像分辨率相同，且將目標(biāo)物體的類別標(biāo)注出來(lái)的目標(biāo)圖像。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述計(jì)算機(jī)設(shè)備中存儲(chǔ)有樣本圖像及與樣本圖像對(duì)應(yīng)的參考圖像，在將待處理圖像輸入到訓(xùn)練好的全卷積神經(jīng)網(wǎng)絡(luò)的細(xì)化層中對(duì)所述待處理圖像的圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)細(xì)化處理之前，所述方法還包括：對(duì)全卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練的步驟，該步驟包括：

將樣本圖像輸入到待訓(xùn)練的全卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行處理，以獲得樣本圖像的第一目標(biāo)圖像；

計(jì)算所述第一目標(biāo)圖像與所述參考圖像的損失函數(shù)值；

判斷所述損失函數(shù)值是否大于預(yù)設(shè)值，若大于，則對(duì)所述全卷積神經(jīng)網(wǎng)絡(luò)中的網(wǎng)絡(luò)參數(shù)進(jìn)行調(diào)整；

再次將所述樣本圖像輸入到調(diào)整后的全卷積神經(jīng)網(wǎng)絡(luò)中進(jìn)行處理，以獲得所述樣本圖像的新的目標(biāo)圖像，計(jì)算所述新的目標(biāo)圖像與所述參考圖像的損失函數(shù)值，直到計(jì)算得到的損失函數(shù)值小于預(yù)設(shè)值，結(jié)束對(duì)全卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，得到訓(xùn)練好的全卷積神經(jīng)網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將待處理圖像輸入到訓(xùn)練好的全卷積神經(jīng)網(wǎng)絡(luò)的細(xì)化層中對(duì)所述待處理圖像的圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)細(xì)化處理，包括：

將待處理圖像的圖像數(shù)據(jù)的數(shù)據(jù)類型由整型擴(kuò)展為浮點(diǎn)型。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對(duì)所述全卷積神經(jīng)網(wǎng)絡(luò)中的網(wǎng)絡(luò)參數(shù)進(jìn)行調(diào)整，包括：

根據(jù)所述損失函數(shù)值對(duì)全卷積神經(jīng)網(wǎng)絡(luò)中的卷積核中的參數(shù)值進(jìn)行調(diào)整。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將各所述三原色單通道灰度圖像輸入卷積層中進(jìn)行圖像卷積處理，得到各所述三原色單通道灰度圖像對(duì)應(yīng)的用于表征所述待處理圖像中目標(biāo)物體類別的特征圖，對(duì)各所述三原色單通道灰度圖像的特征圖進(jìn)行處理得到一個(gè)處理后的表征所述待處理圖像中目標(biāo)物體類別的特征圖，包括：

通過(guò)卷積核對(duì)各所述三原色單通道灰度圖像進(jìn)行多次卷積得到多個(gè)卷積結(jié)果，對(duì)各個(gè)卷積結(jié)果進(jìn)行修正及池化處理，以獲得各所述三原色單通道灰度圖像的特征圖；

將各所述三原色單通道灰度圖像的特征圖進(jìn)行疊加，以獲得處理后的表征所述待處理圖像中目標(biāo)物體類別的特征圖。

6.一種基于全卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置，其特征在于，應(yīng)用于計(jì)算機(jī)設(shè)備，所述全卷積神經(jīng)網(wǎng)絡(luò)包括細(xì)化層、卷積層和反卷積層，所述裝置包括：

數(shù)據(jù)細(xì)化模塊，用于將待處理圖像輸入到訓(xùn)練好的全卷積神經(jīng)網(wǎng)絡(luò)的細(xì)化層中對(duì)所述待處理圖像的圖像數(shù)據(jù)進(jìn)行數(shù)據(jù)細(xì)化處理，并將數(shù)據(jù)細(xì)化處理后的所述待處理圖像轉(zhuǎn)換為三個(gè)三原色單通道灰度圖像；

卷積模塊，用于將各所述三原色單通道灰度圖像輸入卷積層中進(jìn)行圖像卷積處理，得到各所述三原色單通道灰度圖像對(duì)應(yīng)的用于表征所述待處理圖像中目標(biāo)物體類別的特征圖，對(duì)各所述三原色單通道灰度圖像的特征圖進(jìn)行處理得到一個(gè)處理后的表征所述待處理圖像中目標(biāo)物體類別的特征圖；

反卷積模塊，用于將所述處理后的表征所述待處理圖像中目標(biāo)物體類別的特征圖輸入反卷積層中進(jìn)行圖像反卷積處理，以將所述待處理圖像中目標(biāo)物體類別的特征圖轉(zhuǎn)換為與所述待處理圖像分辨率相同，且將目標(biāo)物體的類別標(biāo)注出來(lái)的目標(biāo)圖像。