[發明專利]圖像處理方法、裝置、設備和存儲介質

在審

• 申請號: 202310447093.1
• 申請日: 2023-04-23
• 公開（公告）號: CN116468905A
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 常軒;孟祥雨;叢煒
• 申請（專利權）人: 國汽智控（重慶）科技有限公司;國汽智控（北京）科技有限公司
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 楊麗;臧建明

本申請提供一種圖像處理方法、裝置、設備和存儲介質，涉及計算機視覺技術領域，該方法包括：獲取圖像的輸入特征和通道數，計算所述輸入特征的全局平均池化值和全局最大值池化值；根據所述通道數，計算得到一維通道卷積核；根據所述一維通道卷積核，計算所述全局平均池化值的卷積結果、全局最大值池化值的卷積結果；根據所述全局平均池化值的卷積結果和全局最大值池化值的卷積結果，確定所述輸入特征中每個通道的權重；根據所述輸入特征和每個通道的權重，計算得到目標特征圖，所述目標特征圖用于目標檢測。該技術方案改進了注意力機制，能夠減少計算資源的占用和特征丟失，提高計算機視覺效果。

技術領域

本申請涉及計算機視覺技術領域，尤其涉及一種圖像處理方法、裝置、設備和存儲介質。

背景技術

注意力機制方法被廣泛應用于計算機視覺模型如目標檢測、圖像分類中，它能從圖像提取特征中獲取到與目標更為相關的信息，排除干擾信息，從而使模型的性能更優。

現有技術中主流的注意力機制方法主要是將輸入特征經過兩個全連接層，然后通過激活函數得到不同通道下的權重，再將輸入特征與每個通道的權重相乘，即得到輸出結果。

但是，這種方式在輸入特征經過全連接層時，容易造成特征丟失，導致計算機視覺模型的性能下降，使得計算機視覺效果差。

發明內容

本申請提供一種圖像處理方法、裝置、設備和存儲介質，用于解決現有注意力機制方法存在缺陷，導致計算機視覺效果差的問題。

第一方面，本申請實施例提供一種圖像處理方法，包括：

獲取圖像的輸入特征和通道數，計算所述輸入特征的全局平均池化值和全局最大值池化值；

根據所述通道數，計算得到一維通道卷積核；

根據所述一維通道卷積核，計算所述全局平均池化值的卷積結果、全局最大值池化值的卷積結果；

根據所述全局平均池化值的卷積結果和全局最大值池化值的卷積結果，確定所述輸入特征中每個通道的權重；

根據所述輸入特征和每個通道的權重，計算得到目標特征圖，所述目標特征圖用于目標檢測。

在第一方面的一種可能設計中，所述計算所述輸入特征的全局平均池化值和全局最大值池化值，包括：

根據所述輸入特征，獲取所述圖像的寬、高和第i行第j列的像素值，其中，i，j均為正整數；

根據所述圖像的寬、高和第i行第j列的像素值，計算得到所述全局平均池化值；

獲取第i行第j列的像素值中的最大值，作為所述全局最大值池化值。

在第一方面的另一種可能設計中，所述根據所述圖像的寬、高和第i行第j列的像素值，計算得到所述全局平均池化值，包括：

上式中，g(x)表示全局平均池化值，W表示圖像的寬，H表示圖像的高，x_i，j表示第i行第j列的像素值；

對應的，所述獲取在第i行第j列的元素值中的最大值，作為所述全局最大值池化值，包括：

上式中，h(x)表示全局最大值池化值，W表示圖像的寬，H表示圖像的高，x_i，j表示第i行第j列的像素值。

在第一方面的再一種可能設計中，所述根據所述通道數，計算得到一維通道卷積核，包括：

上式中，k表示一維通道卷積核的大小，b、γ均為常量，C表示通道數，odd表示取距離計算值最近的奇數。