[发明专利]图像处理方法及装置、电子设备及计算机存储介质

说明书

本公开实施例公开了一种图像处理方法及装置、电子设备及计算机存储介质，其中，方法包括：获取待处理图像；将待处理图像输入到目标神经网络进行处理，得到图像处理结果；其中目标神经网络采用以下步骤获得：根据第一神经网络中各个网络通道之间的相似度，对第一神经网络中的网络通道进行分组；根据分组，确定第一神经网络中至少一个网络通道组中的基准网络通道；根据至少一个网络通道组中的除基准网络通道以外的网络通道及其与网络通道组中的基准网络通道之间的相似度，更新网络通道组中的基准网络通道的权重，并消除网络通道组中的除基准网络通道以外的网络通道，以得到所述目标神经网络。本公开实施例应用于移动端可以保证图像处理的精度。

技术领域

本发明涉及计算机视觉技术，尤其是一种图像处理方法及装置、电子设备及计算机存储介质。

背景技术

近年来，深度卷积神经网络在计算机视觉领域的应用中取得了显著的进展。大多数深度卷积神经网络，如VGG、ResNet等，需要在具有大量存储器和计算能力的GPU上执行，因此采用已有的深度卷积神经网络处理图像，由于计算量过大，导致深度卷积神经网络在计算资源受限的移动端应用困难。

网络压缩技术作为深度卷积神经网络在移动端应用的技术基础，受到越来越多的关注。其中，减少网络冗余性的剪枝技术，通过直接将网络中不重要的网络通道减掉，能够很好的减小神经网络的规模。采用已有的剪枝方法处理后的神经网络进行图像处理，虽然降低了计算量，但是由于网络精度严重下降，导致图像处理的精度下降，使所得到图像难以满足实际应用的需求。

发明内容

本发明实施例提供一种图像处理技术方案。

根据本公开实施例的一个方面，提供一种图像处理方法，包括：

获取待处理图像；

将所述待处理图像输入到目标神经网络进行处理，得到图像处理结果；

其中，所述目标神经网络采用以下步骤获得：

根据第一神经网络中各个网络通道之间的相似度，对所述第一神经网络中的网络通道进行分组；

根据所述分组，确定所述第一神经网络中至少一个网络通道组中的基准网络通道；

根据所述至少一个网络通道组中的除基准网络通道以外的网络通道及其与所述网络通道组中的基准网络通道之间的相似度，更新所述网络通道组中的基准网络通道的权重，并消除所述网络通道组中的除基准网络通道以外的网络通道，以得到所述目标神经网络。

可选地，在本公开上述方法实施例中，所述根据所述分组，确定所述第一神经网络中至少一个网络通道组中的基准网络通道，包括：

针对所述第一神经网络中的一个网络通道组，确定该网络通道组中的每个网络通道与该组内其它网络通道之间的相似度之和；

将该网络通道组中与该组内其它网络通道之间的相似度之和最大的网络通道，作为该网络通道组的基准网络通道。

可选地，在本公开上述任一方法实施例中，根据一个网络通道组中的除基准网络通道以外的网络通道及其与该网络通道组中的基准网络通道之间的相似度，更新该网络通道组中的基准网络通道的权重，包括：

确定该网络通道组中的网络通道在下一个网络层中的线性组合；

根据该网络通道组中的除基准网络通道以外的各个网络通道及其与该网络通道组中的基准网络通道之间的相似度，将所述线性组合中除基准网络通道以外的网络通道表示为基准网络通道与新的权重的乘积，其中，所述新的权重中包含除基准网络通道以外的该网络通道的信息；

根据所述新的权重以及所述线性组合中的基准网络通道的权重之和，更新该网络通道组中的基准网络通道的权重。