[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法、裝置及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201911399345.8
• 申請(qǐng)日: 2019-12-27
• 公開（公告）號(hào): CN111179175B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 郭闖世;邵新慶;劉強(qiáng);徐明
• 申請(qǐng)（專利權(quán)）人: 深圳力維智聯(lián)技術(shù)有限公司;南京中興力維軟件有限公司
• 主分類號(hào): G06T3/40
• 分類號(hào): G06T3/40;G06N3/0464
• 代理公司: 深圳市恒程創(chuàng)新知識(shí)產(chǎn)權(quán)代理有限公司 44542
• 代理人: 鄒新華

本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法、裝置及存儲(chǔ)介質(zhì)，該基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法包括以下步驟：獲取一組圖像集合；其中，所述圖像集合內(nèi)包括同一原始圖像的不同尺寸的圖像；將所述圖像集合中的每張圖像分別輸入第一卷積層中對(duì)應(yīng)的卷積處理支路，以獲得每張圖像的特征圖；對(duì)各張所述特征圖進(jìn)行合并處理，以獲得所述圖像集合對(duì)應(yīng)的目標(biāo)特征圖，并將所述目標(biāo)特征圖輸入第二卷積層。本發(fā)明的技術(shù)方案，旨在減少圖像處理過程的計(jì)算量，提升網(wǎng)絡(luò)性能。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法、裝置及存儲(chǔ)介質(zhì)。

背景技術(shù)

三階段級(jí)聯(lián)架構(gòu)的MTCNN(Multi-task?convolutional?neural?network，多任務(wù)卷積神經(jīng)網(wǎng)絡(luò))在人臉檢測(cè)上有著領(lǐng)先性的優(yōu)勢(shì)，其包括Proposal?Network(全卷積網(wǎng)絡(luò)，P-Net)，Refine?Network(R-Net)以及Output?Network(O-Net)。其中P-Net主要用于獲得人臉區(qū)域的候選窗口和邊界框的回歸向量，并用該邊界框做回歸，對(duì)候選窗口進(jìn)行校準(zhǔn)，然后通過非極大值抑制來合并高度重疊的候選框。R-Net是通過邊界框回歸和NMS來去掉那些預(yù)測(cè)錯(cuò)誤的區(qū)域。O-Net比R-Net多了一層卷積層，作用和R-Net層作用一樣，通過邊界框回歸和NMS來去掉那些預(yù)測(cè)錯(cuò)誤的區(qū)域。

為了適應(yīng)圖片中不同尺度的人臉，網(wǎng)絡(luò)的輸入是一個(gè)金字塔圖像，即將原圖像按照設(shè)定的放縮因子p，以p，p²，p³，p⁴……的比例逐漸縮小，生成一個(gè)金字塔圖像，最后獲得的最小圖像的最短邊大于或者等于12。其中，原圖像的尺度越大，檢測(cè)到的人臉尺度越小，原圖像的尺度越小，檢測(cè)到的人臉尺度越大，保證了對(duì)不同尺度人臉的檢測(cè)準(zhǔn)確性。但是隨著圖像尺度的增大，金字塔圖像的層數(shù)也會(huì)增加，導(dǎo)致計(jì)算量隨之增加。

發(fā)明內(nèi)容

本發(fā)明通過提供一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法、裝置及存儲(chǔ)介質(zhì)，旨在減少圖像處理過程的計(jì)算量，提升網(wǎng)絡(luò)性能。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法，所述基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法包括以下步驟：

獲取一組圖像集合；其中，所述圖像集合內(nèi)包括同一原始圖像的不同尺寸的圖像；

將所述圖像集合中的每張圖像分別輸入第一卷積層中對(duì)應(yīng)的卷積處理支路，以獲得每張圖像的特征圖；

對(duì)各張所述特征圖進(jìn)行合并處理，以獲得所述圖像集合對(duì)應(yīng)的目標(biāo)特征圖，并將所述目標(biāo)特征圖輸入第二卷積層。

可選的，所述將所述圖像集合中的每張圖像分別輸入第一卷積層中對(duì)應(yīng)的卷積處理支路，以獲得每張圖像的特征圖的步驟包括：

獲取所述圖像集合中每張圖像的尺寸信息；

確定第一卷積層中與所述尺寸信息對(duì)應(yīng)的卷積處理支路；

將每張圖像輸入所確定的所述卷積處理支路，以獲得每張圖像的特征圖。

可選的，所述對(duì)各張所述特征圖進(jìn)行合并處理，以獲得所述圖像集合對(duì)應(yīng)的目標(biāo)特征圖的步驟包括：

將每張所述圖像的特征圖進(jìn)行合并處理，以獲得初始特征圖；

將所述初始特征圖輸入預(yù)設(shè)的激活函數(shù)，以生成所述圖像集合對(duì)應(yīng)的目標(biāo)特征圖。

可選的，所述獲取一組圖像集合的步驟之前，還包括：

獲取所述原始圖像的多張不同尺寸的圖像；

對(duì)多張所述不同尺寸的圖像進(jìn)行分組處理，以獲得多組圖像集合。

可選的，所述對(duì)多張所述不同尺寸的圖像進(jìn)行分組處理，以獲得多組圖像集合的步驟之后，還包括：