[发明专利]图像处理方法、模型训练方法及装置、电子设备

权利要求书

1.一种图像处理方法，其特征在于，所述图像处理方法基于循环网络实现，所述循环网络包括第一网络和门结构模型，所述方法包括：

获取基于第一网络处理后的图像数据；

基于所述图像数据和所述门结构模型获得阈值参数；

根据所述阈值参数，确定所述图像数据的处理策略；

所述根据所述阈值参数，确定所述图像数据的处理策略，包括：根据所述门结构模型输出的所述阈值参数，确定是否重新采用所述第一网络处理所述图像数据的处理策略。

2.根据权利要求1所述的方法，其特征在于，所述循环网络还包括第二网络，所述根据所述阈值参数，确定所述图像数据的处理策略包括：

响应于所述阈值参数为第一预设阈值的情况，则基于所述第一网络处理所述图像数据；

响应于所述阈值参数为第二预设阈值的情况，则采用所述第二网络处理所述图像数据。

3.根据权利要求1所述的方法，其特征在于，在基于所述第一网络处理所述图像数据之前，还包括：

对所述第一网络的参数进行调整，得到更新后的参数，其中，所述参数包括归一化层的均值和方差；

基于所述第一网络采用更新后的参数对所述图像数据进行处理。

4.根据权利要求3所述的方法，其特征在于，所述对所述第一网络的参数进行调整，得到更新后的参数，包括：

将所述第一网络的归一化层的均值与所述图像数据的均值进行加权叠加，得到所述更新后的参数。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述根据所述图像数据和所述门结构模型获得阈值参数，包括：

对所述图像数据进行全局池化处理，获得池化处理数据；

基于全连接层对所述池化处理数据进行处理，获得处理数据；

通过归一化指数函数对所述处理数据进行处理，获得所述阈值参数。

6.根据权利要求5所述的方法，其特征在于，所述全连接层包括第一全连接层和第二全连接层，所述基于全连接层对所述池化处理数据进行处理，获得处理数据，包括：

分别基于所述第一全连接层和所述第二全连接层对所述池化处理数据进行处理，获得第一处理数据和第二处理数据。

7.根据权利要求6所述的方法，其特征在于，所述通过归一化指数函数对所述处理数据进行处理，获得所述阈值参数，包括：

通过归一化指数函数分别对所述第一处理数据和第二处理数据进行处理，获得第一概率和第二概率，其中，所述第一概率表示通过所述第一网络处理所述图像数据的概率；所述第二概率表示不通过所述第一网络处理所述图像数据的概率；

基于所述第一概率和所述第二概率确定所述阈值参数。

8.一种模型训练方法，其特征在于，所述模型训练方法用于训练门结构模型，所述门结构模型用于确定循环网络中基于第一网络处理后的图像数据是否重新采用所述第一网络处理的处理策略；

所述模型训练方法包括：

获得样本图像数据以及所述样本图像数据对应的样本阈值参数；

基于所述样本图像数据以及对应的样本阈值参数进行训练，获得所述门结构模型。

9.根据权利要求8所述的方法，其特征在于，所述基于所述样本图像数据以及对应的样本阈值参数进行训练，获得所述门结构模型，包括：

对所述样本图像数据进行全局池化处理，获得样本池化处理数据；

基于全连接层对所述样本池化处理数据进行处理，获得样本处理数据；

基于所述样本处理数据和对应的样本阈值参数进行训练，获得所述门结构模型。

10.根据权利要求9所述的方法，其特征在于，所述全连接层包括第一全连接层和第二全连接层，所述基于全连接层对所述样本池化处理数据进行处理，获得样本处理数据，包括：

分别基于所述第一全连接层和所述第二全连接层对所述样本池化处理数据进行处理，获得第一样本处理数据和第二样本处理数据。