[发明专利]图像处理方法和装置、电子设备、存储介质、程序产品

说明书

本申请实施例公开了一种图像处理方法和装置、电子设备、存储介质、程序产品，其中，方法包括：对待处理的图像进行特征提取以生成所述图像的特征图；确定所述特征图包括的多个特征点中每个特征点对应的特征权重；将所述特征权重对应的特征点的特征信息分别传输给所述特征图包括的多个其他特征点，获得特征增强后的特征图。基于本申请上述实施例，通过特征点之间的信息传输，使上下文信息能得到更好的使用，使特征图中包含更多信息。

技术领域

本申请涉及机器学习技术，尤其是一种图像处理方法和装置、电子设备、存储介质、程序产品。

背景技术

为了使计算机能够“理解”图像，从而具有真正意义上的“视觉”，需要从图像中提取有用的数据或信息，得到图像的“非图像”的表示或描述，如数值、向量和符号等。这一过程就是特征提取，而提取出来的这些“非图像”的表示或描述就是特征。有了这些数值或向量形式的特征就可以通过训练过程教会计算机如何懂得这些特征，从而使计算机具有识别图像的本领。

特征是某一类对象区别于其他类对象的相应(本质)特点或特性，或是这些特点和特性的集合。特征是通过测量或处理能够抽取的数据。对于图像而言，每一幅图像都具有能够区别于其他类图像的自身特征，有些是可以直观地感受到的自然特征，如亮度、边缘、纹理和色彩等；有些则是需要通过变换或处理才能得到的，如直方图、主成份等。

发明内容

本申请实施例提供了一种图像处理技术。

根据本申请实施例的一个方面，提供了一种图像处理方法，包括：

对待处理的图像进行特征提取以生成所述图像的特征图；

确定所述特征图包括的多个特征点中每个特征点对应的特征权重；

将所述特征权重对应的特征点的特征信息分别传输给所述特征图包括的多个其他特征点，获得特征增强后的特征图。

可选地，所述方法还包括：基于所述特征增强后的特征图进行所述图像的场景分析处理或物体分割处理。

可选地，所述方法还包括：根据场景分析处理结果或物体分割处理结果，进行机器人导航控制或车辆智能驾驶控制。

可选地，所述特征图包括的特征点的特征权重包括向内接收权重和向外发送权重；所述向内接收权重表示特征点接收所述特征图包括的其他特征点的特征信息时的权重；所述向外发送权重表示特征点将特征信息向所述特征图包括的其他特征点传输时的权重。

可选地，所述确定特征图包括的多个特征点中每个特征点对应的特征权重，包括：

对所述特征图进行第一分支处理，获得包括的多个特征点中每个特征点的向内接收权重的第一权重向量；

对所述特征图进行第二分支处理，获得包括的多个特征点中每个特征点的向外发送权重的第二权重向量。

可选地，所述对所述特征图进行第一分支处理，获得包括的多个特征点中每个特征点的向内接收权重的第一权重向量，包括：

通过神经网络对所述特征图进行处理，获得第一中间权重向量；

去除所述第一中间权重向量中的无效信息，获得所述第一权重向量，所述无效信息表示所述第一中间权重向量中对特征传输没有影响或影响程度小于设定条件的信息。

可选地，所述通过所述神经网络对所述特征图进行处理，获得所述第一中间权重向量，包括：

将所述特征图中每个所述特征点分别作为第一输入点，将所述第一输入点周围所有位置作为所述第一输入点对应的第一输出点，所述周围所有位置包括所述特征图中的多个特征点和所述第一输入点在空间位置上的多个相邻位置；

获得所述特征图中第一输入点与所述第一输入点对应的所有第一输出点之间的第一传递比例向量；