[发明专利]图像处理方法及装置、电子设备和存储介质

说明书

本公开涉及一种图像处理方法及装置、电子设备和存储介质，其中所述方法包括：获取输入图像，将所述输入图像输入至神经网络，所述神经网络包括分组子网络，所述分组子网络包括至少一个网络块，所述网络块的通道被分成至少两个分组；利用所述神经网络对所述输入图像执行特征处理，得到图像处理结果；其中，在通过所述分组子网络执行所述特征处理的情况下，根据所述网络块对应的状态特征，对输入至所述网络块的特征图执行特征处理，所述状态特征包括表示所述网络块内的各所述分组分别对应的通道的特征处理是否被执行的状态。本公开实施例可以在提高图像处理精度的情况下，还能进一步提高处理效率。

技术领域

本公开涉及神经网络优化领域，特别涉及一种图像处理方法及装置、电子设备和存储介质。

背景技术

计算机视觉领域中，为了得到更好的处理结果，通常情况下会采用更大更深的卷积神经网络模型来进行预测和处理，但这会同时带来计算复杂度增加的问题，从而限制了网络模型在很多平台上应用。目前解决该问题的方法一般是直接删除部分网络块的全部通道的运算，但是这种直接裁剪通道的方法不够灵活。

发明内容

本公开实施例提供了一种图像处理的技术方案。

根据本公开的一方面，提供了一种图像处理方法，包括：获取输入图像，将所述输入图像输入至神经网络，所述神经网络包括分组子网络，所述分组子网络包括至少一个网络块，所述网络块的通道被分成至少两个分组；利用所述神经网络对所述输入图像执行特征处理，得到图像处理结果；其中，在通过所述分组子网络执行所述特征处理的情况下，根据所述网络块对应的状态特征，对输入至所述网络块的特征图执行特征处理，所述状态特征包括表示所述网络块内的各所述分组分别对应的通道的特征处理是否被执行的状态。本公开实施例能够通过神经网络中的分组子网络执行输入图像的通道的特征的分组处理，其中可以根据网络块对应的状态特征，对输入至网络块的特征图执行特征处理的过程中，可以根据网络块中各分组分别对应的通道的特征处理是否被执行的状态，来有选择对输入至网络块的特征图进行特征处理，不仅可以提升神经网络的处理精度，还能够提高神经网络的处理效率。

在一些可能的实施方式中，所述方法还包括根据以下方式确定所述神经网络中的所述分组子网络：基于所述神经网络中生成相同分辨率的特征图的至少两个连续地网络层形成所述网络块；将形成的至少一个所述网络块构成的网络部分确定为所述分组子网络。本公开实施例可以灵活的配置分组子网络中的各网络块。

在一些可能的实施方式中，所述方法还包括根据以下方式对所述网络块的通道进行分组处理：按照所述网络块的通道数，将所述网络块的通道平均划分成预设数量个分组。本公开实施例可以简单方便的实现网络块对应通道的分组处理。

在一些可能的实施方式中，所述方法还包括根据以下方式对所述网络块的通道进行分组处理：将所述网络块中的通道划分成预设数量个第一分组；响应于分组后的神经网络执行所述特征处理产生的计算量与未分组的神经网络执行所述特征处理产生的计算量之间的差值小于计算量阈值，和/或分组后的神经网络的参数量与未分组的神经网络的参数量之间的差值小于参数量阈值，将所述预设数量个第一分组确定为所述网络块的所述至少两个分组。本公开实施例可以使得分组后的神经网络与分组前的神经网络保持相近的计算量和参数量，保证神经网络的稳定性和处理精度。

在一些可能的实施方式中，所述根据所述网络块对应的状态特征，对输入至所述网络块的特征图执行特征处理，包括：基于输入至所述分组子网络中的第i个网络块的特征图，确定所述第i个网络块的状态特征，i为小于或者等于M的正整数，M表示所述分组子网络中的网络块的数量；响应于所述第i个网络块的状态特征表示包括处于被执行的状态的分组，利用所述第i个网络块，对所述特征图中与处于被执行的状态的全部分组内的通道对应的图像特征，执行特征处理，得到所述第i个网络块的输出特征图。本公开实施例可以为每个网络块配置对应的状态特征，从而可以根据状态特征执行相应通道的特征处理。