[发明专利]图像处理方法和装置

说明书

本申请公开了人工智能领域中计算机视觉领域的一种图像处理方法及装置。其中，该图像处理方法，包括：获取待处理图像；根据目标图像压缩网络对该待处理图像进行压缩处理，得到该待处理图像的目标压缩图像，其中，该目标图像压缩网络的参数是根据该目标图像压缩网络对样本图像进行压缩处理的图像损失确定的，该图像损失包括感知损失，该感知损失是指该样本图像的特征向量与该样本图像对应的压缩图像的特征向量之间的差异，该待处理图像的特征向量与该目标压缩图像的特征向量的差异在预设范围内；基于该目标压缩图像进行识别，得到识别结果。本申请的技术方案能够提高计算机视觉系统识别目标压缩图像的准确率。

技术领域

本申请涉及人工智能领域，更具体地，涉及计算机视觉领域中的图像处理方法和装置。

背景技术

随着图像处理技术的不断发展，以及人们对图像显示画质要求的不断提升，神经网络(例如，深度神经网络)近年来在在图像处理领域得到了快速发展，尤其在电子设备(例如，手机、摄像头、智能家居、自动驾驶汽车)上的应用也越来越多，例如，人脸识别、物体检测、场景分割等。

图像压缩技术是图像存储、处理和传输的基础，是指用尽可能少的数据来进行图像的存储和传输。其中，大多数情况下，并不要求经压缩处理后的压缩图像和原图完全相同，而允许存在少量失真，只要这些失真不被人眼察觉均可以接受。正因为如此，可以在允许保真度的条件下压缩待存储的图像数据，大大节约存储空间，而且在图像传输时也大大减少信道容量。然而，越来越多的压缩图像会进行后续任务的处理，例如，压缩图像可以通过使用卷积神经网络进行分类、识别等。但是，人眼所认为的相似图像和机器所能识别的图像之间往往存在较大的差异，通过传统的图像处理方法获得的压缩图像往往在后续任务中表现不尽如人意甚至导致计算机视觉系统无法识别。

因此，如何提高计算机视觉系统识别压缩图像的准确率成为一个亟需解决的问题。

发明内容

本申请提供一种图像处理方法、装置、计算机可读存储介质和芯片，以使得提高计算机视觉系统识别压缩图片的准确率。

第一方面，提供了一种图像处理方法，该方法包括：获取待处理图像；根据目标图像压缩网络对所述待处理图像进行压缩处理，得到所述待处理图像的目标压缩图像，其中，所述目标图像压缩网络的参数是根据所述目标图像压缩网络对样本图像进行压缩处理的图像损失确定的，所述图像损失包括感知损失，所述感知损失是指所述样本图像的特征向量与所述样本图像对应的压缩图像的特征向量之间的差异，所述待处理图像的特征向量与所述目标压缩图像的特征向量的差异在预设范围内；基于所述目标压缩图像进行识别，得到识别结果。

上述图像损失可以包括基于机器视觉系统的认知标准的感知损失。

例如，感知损失可以是样本图像和样本图像对应的压缩图像的关键区域的特征向量。例如，样本图像可以是一张动物图像，关键区域可以是样本动物图像与样本动物图像对应的压缩图像中动物脸部的特征向量；例如，样本图像可以是一张汽车图像，关键区域可以是样本汽车图像与样本汽车图像对应的压缩图像中汽车车轮部分的特征向量，通过关键区域的特征向量可以有效的区分或者识别不同的图像。

应理解，待处理图像的特征向量与所述目标压缩图像的特征向量的差异可以是指特征向量之间的距离，其中，特征向量之间的距离越近意味着差异越小。在本申请中待处理图像的特征向量与目标压缩图像的特征向量的差异在预设范围内意味着待处理图像与目标压缩图像之间具有感知一致性，即计算机视觉系统识别待处理图像和识别目标压缩图像得到的识别结果相同。

在本申请的实施例中，可以通过目标压缩网络对待处理图像进行压缩处理，得到待处理图像对应的目标压缩图像，其中，待处理图像的特征向量与目标压缩图像的特征向量的差异在预设范围内，即意味着通过本申请实施例的目标图像压缩网络得到的压缩图像进行后续识别得到的识别结果与识别待处理图像的识别结果相同，也就是说，在本申请中待处理图像与得到的目标压缩图像之间具有感知一致性，从而能够提高计算机视觉系统识别压缩图像的准确率。