[發明專利]圖像格式轉換方法及其裝置、設備、介質、產品

在審

• 申請號: 202210106711.1
• 申請日: 2022-01-28
• 公開（公告）號: CN114445511A
• 公開（公告）日: 2022-05-06
• 發明（設計）人: 馮進亨;戴長軍;丘文威;葉艾彥
• 申請（專利權）人: 廣州華多網絡科技有限公司
• 主分類號: G06T9/00
• 分類號: G06T9/00;G06T5/00;G06N3/08;G06N3/04;G06K9/62;G06V10/774
• 代理公司: 廣州利能知識產權代理事務所(普通合伙) 44673
• 代理人: 王增鑫

1.一種圖像格式轉換方法，其特征在于，包括：

采集第一數據格式的第一目標圖像；

將所述第一目標圖像輸入至預設的圖像格式轉換模型中，其中，所述圖像格式轉換模型預先通過線性損失和非線性損失約束至收斂狀態，用于對圖像進行格式轉換的神經網絡模型；

讀取所述圖像格式轉換模型輸出的第二目標圖像，其中，所述第二目標圖像格式為第二數據格式，所述第二數據格式的信息載量大于所述第一數據格式的信息載量。

2.根據權利要求1所述的圖像格式轉換方法，其特征在于，所述圖像格式轉換模型包括：第一卷積通道和第二卷積通道，且所述第一卷積通道輸出的特征為掩膜特征向量，所述第二卷積通道輸出的特征為卷積特征向量。

3.根據權利要求2所述的圖像格式轉換方法，其特征在于，所述第一卷積通道包括：第一卷積層和第一注意力層，所述第一卷積層與所述第一注意力層級聯，且所述第一注意力層連接在所述第一卷積層的輸出端，所述第一注意力層包括通道注意力層。

4.根據權利要求2所述的圖像格式轉換方法，其特征在于，所述第二卷積通道包括：多個級聯的特征層，各所述特征層的輸出端均連接有第二注意力層，所述第二注意力層包括通道注意力層和空間注意力層。

5.根據權利要求4所述的圖像格式轉換方法，其特征在于，各所述特征層均包括：多個級聯的第二卷積層，各所述第二卷積層的輸出端均連接有線性整流層，任一線性整流層的輸出均作為排列在所述任一線性整流層之后所有第二卷積層的輸入。

6.根據權利要求2所述的圖像格式轉換方法，其特征在于，所述讀取所述圖像格式轉換模型輸出的第二目標圖像包括：

讀取所述第一卷積通道輸出的掩膜特征向量；

將所述掩膜特征向量與所述第一目標圖像的數組向量矩陣進行點積運算；

將點積運算的結果與所述第二卷積通道輸出的特征向量進行加法運算；

將加法運算得到的結果通過預設的雙曲正切函數進行映射后，生成所述第二目標圖像。

7.根據權利要求1-6任一項所述的圖像格式轉換方法，其特征在于，所述圖像格式轉換模型的訓練方法為：

讀取待處理的訓練樣本；

根據預設的圖像增強策略，對所述訓練樣本進行圖像增強處理；

將圖像增強處理后的訓練樣本輸入至預設的非收斂模型中，其中，所述非收斂模型為所述圖像格式轉換模型的初始化模型；

讀取所述非收斂模型輸出的應激圖像，并根據預設的線性損失函數和非線性損失函數，計算所述應激圖像與所述訓練樣本中的標注圖像之間的損失距離；

根據所述損失距離與預設的回傳函數，對所述非收斂模型的權重值進行回調矯正，以使所述應激圖像與所述標注圖像之間的損失距離趨于預設的目標閾值。

8.一種圖像格式轉換裝置，其特征在于，包括：

采集模塊，用于采集第一數據格式的第一目標圖像；

處理模塊，用于將所述第一目標圖像輸入至預設的圖像格式轉換模型中，其中，所述圖像格式轉換模型預先通過線性損失和非線性損失約束至收斂狀態，用于對圖像進行格式轉換的神經網絡模型；

執行模塊，用于讀取所述圖像格式轉換模型輸出的第二目標圖像，其中，所述第二目標圖像格式為第二數據格式，所述第二數據格式的信息載量大于所述第一數據格式的信息載量。

9.一種計算機存儲介質，其特征在于，所述計算機可讀指令被一個或多個處理器執行時，使得一個或多個處理器執行如權利要求1至7中任一項權利要求所述圖像格式轉換方法的步驟。

10.一種計算機程序產品，包括計算機程序/指令，其特征在于，該計算機程序/指令被處理器執行時實現權利要求1至7任意一項中所述方法的步驟。