[發明專利]圖像處理方法、裝置、設備及存儲介質

在審

• 申請號: 202010725910.1
• 申請日: 2020-07-24
• 公開（公告）號: CN111860543A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 石大虎;譚文明
• 申請（專利權）人: 杭州海康威視數字技術股份有限公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06N3/04;G06N3/08
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 謝冬寒

1.一種圖像處理方法，其特征在于，應用于電子設備中，所述電子設備能夠用于運行神經網絡模型，所述神經網絡模型包括卷積層和歸一化層，所述歸一化層位于所述卷積層之后，所述方法包括：

在對所述神經網絡模型進行訓練的過程中，確定所述歸一化層的上一層所輸出的多個第一特征圖的通道數，所述多個第一特征圖至少由所述卷積層經過卷積處理；

基于所述通道數和所述多個第一特征圖，確定多組第一數值，每組第一數值包括所述多個第一特征圖在至少兩個通道上的像素值，且各個組包括的通道互不相同；

基于所述多組第一數值，對所述多個第一特征圖進行歸一化處理，得到歸一化后的目標特征圖。

2.如權利要求1所述的方法，其特征在于，所述基于所述通道數和所述多個第一特征圖，確定多組第一數值，包括：

獲取第一數值，所述第一數值為所述通道數與超參數閾值之商；

按照預設規則，將所述多個第一特征圖在所述通道數個通道上的像素值劃分為所述超參數閾值個組，得到所述多組第一數值，其中，每組第一數值包括所述多個第一特征圖在所述第一數值個通道上的像素值。

3.如權利要求1所述的方法，其特征在于，所述基于所述多組第一數值，對所述多個第一特征圖進行歸一化處理，包括：

確定所述多組中的每組第一數值的數值均值和方差；

基于每組第一數值的數值均值和方差，對每組中的各個第一數值進行歸一化處理，得到每組的歸一化數值；

將所述多組的歸一化數值對應的特征圖確定為所述歸一化處理后的目標特征圖。

4.如權利要求3所述的方法，其特征在于，所述方法還包括：

在基于訓練后的神經網絡模型進行圖像處理的過程中，按照預設規則，對所述歸一化層的上一層所輸出的多個第二特征圖在所述通道數個通道上的像素值進行分組，得到多組第二數值；

獲取所述多組第二數值中每組第二數值對應的數值均值和方差，其中，每組第二數值對應的數值均值和方差是在訓練過程中確定的；

基于所述多組第二數值中每組第二數值對應的數值均值和方差，對所述多個第二特征圖進行歸一化處理。

5.如權利要求2所述的方法，其特征在于，在所述神經網絡模型包括多個歸一化層的情況下，針對每個歸一化層執行的歸一化處理所使用的超參數閾值相同。

6.一種圖像處理裝置，其特征在于，配置于電子設備中，所述電子設備能夠用于運行神經網絡模型，所述神經網絡模型包括卷積層和歸一化層，所述歸一化層位于所述卷積層之后，所述裝置包括：

第一確定模塊，用于在對所述神經網絡模型進行訓練的過程中，確定所述歸一化層的上一層所輸出的多個第一特征圖的通道數，所述多個第一特征圖至少由所述卷積層經過卷積處理；

第二確定模塊，用于基于所述通道數和所述多個第一特征圖，確定多組第一數值，每組第一數值包括所述多個第一特征圖在至少兩個通道上的像素值，且各個組包括的通道互不相同；

歸一化處理模塊，用于基于所述多組第一數值，對所述多個第一特征圖進行歸一化處理，得到歸一化后的目標特征圖。

7.如權利要求6所述的裝置，其特征在于，所述第二確定模塊用于：

獲取第一數值，所述第一數值為所述通道數與超參數閾值之商；

按照預設規則，將所述多個第一特征圖在所述通道數個通道上的像素值劃分為所述超參數閾值個組，得到所述多組第一數值，其中，每組第一數值包括所述多個第一特征圖在所述第一數值個通道上的像素值。

8.如權利要求7所述的裝置，其特征在于，在所述神經網絡模型包括多個歸一化層的情況下，針對每個歸一化層執行的歸一化處理所使用的超參數閾值相同。

9.一種計算機設備，其特征在于，所述計算機設備包括處理器、通信接口、存儲器和通信總線，所述處理器、所述通信接口和所述存儲器通過所述通信總線完成相互間的通信，所述存儲器用于存放計算機程序，所述處理器用于執行所述存儲器上所存放的程序，以實現權利要求1-5任一所述方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述存儲介質內存儲有計算機程序，所述計算機程序被處理器執行時實現權利要求1-5任一所述方法的步驟。