[發明專利]圖像處理方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202011172285.9
• 申請日: 2020-10-28
• 公開（公告）號: CN112269595A
• 公開（公告）日: 2021-01-26
• 發明（設計）人: 李國齊;楊玉寬;裴京;施路平
• 申請（專利權）人: 清華大學
• 主分類號: G06F9/28
• 分類號: G06F9/28;G06F9/30;G06N3/04;G06N3/08;G06T1/20
• 代理公司: 北京林達劉知識產權代理事務所(普通合伙) 11277
• 代理人: 劉新宇

1.一種圖像處理方法，其特征在于，所述方法包括：

獲取待處理的目標圖像；

獲取神經網絡模型，所述神經網絡模型用于對不同數據范圍的浮點型數據采用不同的離散化方式進行離散化得到對應的預設位寬的整型數據；

調用所述神經網絡模型對所述目標圖像進行處理，輸出得到圖像特征數據。

2.根據權利要求1所述的方法，其特征在于，所述浮點型數據包括權重值、神經元值、批標準化層值、激活函數值、反傳誤差值及神經元梯度值、權重更新值中的至少一種數據。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

在調用所述神經網絡模型對所述目標圖像進行處理的過程中，獲取所述神經網絡模型中的浮點型數據；

當所述浮點型數據的絕對值大于或者等于預設閾值時采用第一離散化方式將所述浮點型數據轉化為預設位寬的所述整型數據；

當所述浮點型數據的絕對值小于預設閾值時采用第二離散化方式將所述浮點型數據轉化為預設位寬的所述整型數據，所述第二離散方式不同于所述第一離散化方式。

4.根據權利要求3所述的方法，其特征在于，所述預設閾值為目標絕對值最大值、或者為基于所述目標絕對值最大值確定的值、或者為自定義閾值，所述目標絕對值最大值為估計的所述浮點型數據的絕對值最大值。

5.根據權利要求1至4任一所述的方法，其特征在于，所述方法還包括：

存儲所述整型數據對應的標識位和數據值，所述標識位用于指示所述整型數據是否大于或者等于所述預設閾值。

6.根據權利要求5所述的方法，其特征在于，所述方法還包括：

在數據讀取過程中，當所述標識位用于指示所述整型數據大于或者等于所述預設閾值時，將所讀取的數據值采用第一數據變換方式進行變換得到所述整型數據；

當所述標識位用于指示所述整型數據小于所述預設閾值時，將所讀取的數據值采用第二數據變換方式進行變換得到所述整型數據，所述第二數據變換方式不同于所述第一數據變換方式。

7.一種圖像處理裝置，其特征在于，所述裝置包括：

第一獲取模塊，用于獲取待處理的目標圖像；

第二獲取模塊，用于獲取神經網絡模型，所述神經網絡模型用于對不同數據范圍的浮點型數據采用不同的離散化方式進行離散化得到對應的預設位寬的整型數據；

調用模塊，用于調用所述神經網絡模型對所述目標圖像進行處理，輸出得到圖像特征數據。

8.一種計算機設備，其特征在于，所述計算機設備包括：處理器；用于存儲處理器可執行指令的存儲器；

其中，所述處理器被配置為：

獲取待處理的目標圖像；

獲取神經網絡模型，所述神經網絡模型用于對不同數據范圍的浮點型數據采用不同的離散化方式進行離散化得到對應的預設位寬的整型數據；

調用所述神經網絡模型對所述目標圖像進行處理，輸出得到圖像特征數據。

9.一種非易失性計算機可讀存儲介質，其上存儲有計算機程序指令，其特征在于，所述計算機程序指令被處理器執行時實現權利要求1至6中任意一項所述的方法。