[發(fā)明專利]圖像處理方法、圖像處理模型的訓(xùn)練方法、裝置及設(shè)備

有效

• 申請?zhí)枺?/td>: 202110765141.2
• 申請日: 2021-07-06
• 公開（公告）號: CN113436292B
• 公開（公告）日: 2022-11-11
• 發(fā)明（設(shè)計）人: 宋希彬;周定富;方進(jìn);張良俊
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T5/00;G06V10/74;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 范芳茗

1.一種圖像處理方法，包括：

將待處理圖像輸入卷積神經(jīng)網(wǎng)絡(luò)，得到所述待處理圖像的特征圖；

對所述特征圖執(zhí)行第一卷積操作和重組操作，得到第一特征；

對所述特征圖執(zhí)行第二卷積操作和所述重組操作，得到第二特征；

對所述特征圖執(zhí)行第三卷積操作，得到第三特征；

根據(jù)所述第一特征和所述第二特征，得到權(quán)重矩陣；

利用所述權(quán)重矩陣對所述第三特征進(jìn)行加權(quán)，得到經(jīng)加權(quán)的第三特征，作為增強特征圖；以及

根據(jù)所述增強特征圖執(zhí)行圖像重建，得到重建圖像的圖像數(shù)據(jù)，

其中，所述重組操作用于將所述特征圖對應(yīng)的矩陣轉(zhuǎn)換為特定維數(shù)的矩陣，所述特定維數(shù)的矩陣的元素數(shù)量和所述特征圖對應(yīng)的矩陣的元素數(shù)量相同。

2.根據(jù)權(quán)利要求1所述的方法，其中，根據(jù)所述增強特征圖執(zhí)行圖像重建，得到重建圖像的圖像數(shù)據(jù)包括：

利用自適應(yīng)權(quán)重對所述增強特征圖進(jìn)行加權(quán)，得到經(jīng)加權(quán)的增強特征圖；以及

利用所述經(jīng)加權(quán)的增強特征圖執(zhí)行圖像重建，得到所述重建圖像的圖像數(shù)據(jù)。

3.一種圖像處理方法，包括：

將待處理圖像輸入卷積神經(jīng)網(wǎng)絡(luò)，得到所述待處理圖像的特征圖；

對所述特征圖執(zhí)行第一卷積操作和重組操作，得到第一特征；

對所述特征圖執(zhí)行第二卷積操作和所述重組操作，得到第二特征；

對所述特征圖執(zhí)行第三卷積操作，得到第三特征；

根據(jù)所述第一特征和所述第二特征，得到權(quán)重矩陣；

利用所述權(quán)重矩陣對所述第三特征進(jìn)行加權(quán)，得到經(jīng)加權(quán)的第三特征；

將所述第三特征與所述經(jīng)加權(quán)的第三特征相加，得到增強特征圖；以及

根據(jù)所述增強特征圖執(zhí)行圖像重建，得到重建圖像的圖像數(shù)據(jù)，

其中，所述重組操作用于將所述特征圖對應(yīng)的矩陣轉(zhuǎn)換為特定維數(shù)的矩陣，所述特定維數(shù)的矩陣的元素數(shù)量和所述特征圖對應(yīng)的矩陣的元素數(shù)量相同。

4.根據(jù)權(quán)利要求3所述的方法，其中，根據(jù)所述增強特征圖執(zhí)行圖像重建，得到重建圖像的圖像數(shù)據(jù)包括：

利用自適應(yīng)權(quán)重對所述增強特征圖進(jìn)行加權(quán)，得到經(jīng)加權(quán)的增強特征圖；以及

利用所述經(jīng)加權(quán)的增強特征圖執(zhí)行圖像重建，得到所述重建圖像的圖像數(shù)據(jù)。

5.一種圖像處理模型的訓(xùn)練方法，所述圖像處理模型包括卷積神經(jīng)網(wǎng)絡(luò)和特征增強模型，所述方法包括：

將樣本圖像輸入所述卷積神經(jīng)網(wǎng)絡(luò)，得到所述樣本圖像的樣本特征圖；

將所述樣本特征圖輸入到所述特征增強模型，對所述樣本特征圖執(zhí)行第一卷積操作和重組操作，得到第一特征；

對所述樣本特征圖執(zhí)行第二卷積操作和所述重組操作，得到第二特征；

對所述樣本特征圖執(zhí)行第三卷積操作，得到第三特征；

根據(jù)所述第一特征和所述第二特征，得到權(quán)重矩陣；

利用所述權(quán)重矩陣對所述第三特征進(jìn)行加權(quán)，得到經(jīng)加權(quán)的第三特征，作為增強特征圖；

根據(jù)所述增強特征圖執(zhí)行圖像重建，得到重建圖像的圖像數(shù)據(jù)；

計算所述重建圖像的圖像數(shù)據(jù)與針對所述重建圖像的監(jiān)督圖像的圖像數(shù)據(jù)之間的相似度；以及

調(diào)整所述卷積神經(jīng)網(wǎng)絡(luò)的卷積核參數(shù)，直至所述相似度大于等于預(yù)設(shè)閾值，

其中，所述重組操作用于將所述特征圖對應(yīng)的矩陣轉(zhuǎn)換為特定維數(shù)的矩陣，所述特定維數(shù)的矩陣的元素數(shù)量和所述特征圖對應(yīng)的矩陣的元素數(shù)量相同。

6.根據(jù)權(quán)利要求5所述的方法，其中，根據(jù)所述增強特征圖執(zhí)行圖像重建，得到重建圖像的圖像數(shù)據(jù)包括：

利用自適應(yīng)權(quán)重對所述增強特征圖進(jìn)行加權(quán)，得到經(jīng)加權(quán)的增強特征圖；以及

利用所述經(jīng)加權(quán)的增強特征圖執(zhí)行圖像重建，得到所述重建圖像的圖像數(shù)據(jù)。

7.根據(jù)權(quán)利要求6所述的方法，還包括：

調(diào)整所述自適應(yīng)權(quán)重，直至所述相似度大于等于預(yù)設(shè)閾值。