[发明专利]训练神经网络的方法、图像处理方法、装置、设备和介质

说明书

本申请实施例公开了一种训练神经网络的方法、图像处理方法、装置、设备和介质，其中，训练神经网络的方法包括：将样本图像进行拼接，得到拼接后的样本图像；通过第一神经网络提取拼接后的样本图像的特征数据；按照对样本图像进行拼接的规则，对提取到的特征数据进行拆分，得到进行拼接的各个样本图像的特征数据；通过第一神经网络根据各个样本图像的特征数据，确定各个图像处理任务的预测结果；根据确定的各个图像处理任务的预测结果以及对应的各个样本图像的标注结果，调整第一神经网络的网络参数，通过混合数据集进行训练，实现利用不同数据集对第一神经网络的网络参数进行优化，使参数优化后的第一神经网络可以同时处理多个图像处理任务。

技术领域

本申请涉及计算机视觉技术，尤其是一种训练神经网络的方法、图像处理方法、装置、设备和介质。

背景技术

单目深度估计和场景语义分割是计算机视觉领域非常重要的问题。单目深度估计是根据单一摄像头得到的图像，估计得到图像中每一个像素点的真实深度值。场景语义分割是预测得到图像中每一个像素归属的类别。单目深度估计和场景语义分割的应用范围非常广泛，特别是在机器人导航、自动驾驶等领域中具有非常重要的作用。

目前，传统的深度估计和场景语义分割任务，需要两个独立的网络实现，两个网络会增大处理器的负担和增加耗时，不利于实际应用。

发明内容

本申请实施例提供一种训练神经网络的技术方案。

根据本申请实施例的一个方面，提供一种训练神经网络的方法，包括：

将样本图像进行拼接，得到拼接后的样本图像；其中，进行拼接的样本图像来源于至少两个不同的图像处理任务各自对应的数据样本集中；

通过第一神经网络提取拼接后的样本图像的特征数据；

按照对所述样本图像进行拼接的规则，对提取到的特征数据进行拆分，得到进行拼接的各个样本图像的特征数据；

通过所述第一神经网络根据所述各个样本图像的特征数据，确定各个图像处理任务的预测结果；

根据确定的各个图像处理任务的预测结果以及对应的各个样本图像的标注结果，调整所述第一神经网络的网络参数。

可选地，在本申请上述方法实施例中，至少两个不同的图像处理任务对应的数据样本集中的样本图像不重叠，并且至少具有部分相似性。

可选地，在本申请上述任一方法实施例中，所述不同的图像处理任务对应的数据样本集中的样本图像不重叠，包括：

不同的图像处理任务对应的数据样本集中的样本图像中的标注结果不同。

可选地，在本申请上述任一方法实施例中，所述不同的图像处理任务对应的数据样本集中的样本图像至少具有部分相似性，包括：

不同的图像处理任务对应的数据样本集中的至少部分样本图像来源于同一场景。

可选地，在本申请上述任一方法实施例中，所述将样本图像进行拼接，得到拼接后的样本图像，包括：

基于使来自于同一个图像处理任务对应的数据样本集中的样本图像相邻，对来源于至少两个不同的图像处理任务各自对应的数据样本集中的样本图像进行拼接，得到所述拼接后的样本图像。

可选地，在本申请上述任一方法实施例中，所述将样本图像进行拼接，得到拼接后的样本图像，包括：

将来源于至少两个不同的图像处理任务各自对应的数据样本集中的样本图像沿着样本图像的预设维度进行拼接，得到所述拼接后的样本图像。

可选地，在本申请上述任一方法实施例中，所述将来源于至少两个不同的图像处理任务各自对应的数据样本集中的样本图像沿着样本图像的预设维度进行拼接，得到所述拼接后的样本图像，包括：