[发明专利]图像分割模型的处理方法和处理装置

说明书

本申请涉及人工智能领域中的图像分割技术，提供了图像分割模型的处理方法和处理装置。所述图像分割模型包括特征提取子模型和图像分割子模型，特征提取子模型用于提取图像的特征，图像分割子模型用于根据所述提取的特征对所述图像进行分割。所述处理方法包括：对所述特征提取子模型进行层宽调整，以得到第一特征提取子模型；根据第一特征提取子模型和图像分割子模型得到目标图像分割模型。本申请提供图像分割模型的处理方法和处理装置，有助于提高图像分割模型的分割精度，从而有助于在边缘设备上实现图像分割技术。

技术领域

本申请涉及图像处理领域，并且更具体地，涉及图像分割模型的处理方法和处理装置。

背景技术

图像分割，在边缘设备，例如车辆或手机上，也具有应用需求。但是，由于边缘设备的计算性能以及缓存受限，使得在这些边缘设备上使用神经网络对图像进行处理存在困难。

因此，如何得到能够适用于边缘设备的图像分割模型，是一个亟待解决的技术问题。

发明内容

本申请提供图像分割模型的处理方法和处理装置，有助于提高图像分割模型的分割精度，以使得可以在边缘设备上实现图像分割。

第一方面，提供了一种图像分割模型的处理方法，该图像分割模型包括特征提取子模型和图像分割子模型，所述特征提取子模型用于提取图像的特征，所述图像分割子模型用于根据所述提取的特征对所述图像进行分割，该方法包括：对特征提取子模型进行层宽调整，以得到第一特征提取子模型；根据所述第一特征提取子模型和所述图像分割子模型得到目标图像分割模型。

其中，该图像分割模型可以是训练过的，也可以是没有训练过的。

该方法中，对特征提取子模型的层宽进行调整，有助于提高特征提取子模型的精度，从而提高目标图像分割模型的分割精度，进而使得图像分割模型更易于在边缘设备上应用。

尤其在特征提取子模型为二值化神经网络模型的场景下，可以降低因特征提取子模型为二值化神经网络模型而导致的精度损失，从而提高图像分割模型的分割精度。

在第一方面的一些可能的实现方式中，所述对所述特征提取子模型进行层宽调整，包括：增大所述特征提取子模型的通道数量，得到第二特征提取子模型；为所述第二特征提取子模型生成K个不同的第一二值化编码，所述第一二值化编码包括多个二值化数值，所述多个二值化数值与所述第二特征提取子模型的多个通道一一对应，所述多个二值化数值中的每个二值化数值用于指示所述每个二值化数值对应的通道保留还是去除，K为大于1的整数；根据所述K个不同的第一二值化编码保留或者去除所述第二特征提取子模型的通道，得到K个第三特征提取子模型；根据所述K个第三特征提取子模型中每个第三特征提取子模型对图像进行特征提取时的交并比和计算量，从所述K个第三特征提取子模型中选择M个第三特征提取子模型，M为大于1的整数；对所述M个第三特征提取子模型对应的M个第一二值化编码进行交叉和/或变异处理，得到S个第二二值化编码，S为大于1整数；根据所述S个第二二值化编码中的每个第二二值化编码保留或者去除所述第二特征提取子模型的通道，得到S个第四特征提取子模型；将所述第四特征提取子模型作为所述第三特征提取子模型，取K＝S，重复执行上述第四个操作至第六个操作T次；将最后一次得到的S个第四特征提取子模型的一个作为所述第一特征提取子模型。

可选地，所述M个第三特征提取子模型中的第j个第三特征提取子模型被选择的概率满足如下公式：

其中，Pr(b_j)表示所述第j个第三特征提取子模型被选择的概率，f(b_j)满足以下公式：

f(b_j)＝mIoU(j)+α/N(j)

其中，mIoU(j)表示所述第j个第三特征提取子模型对图像进行特征提取时的交并比，N(j)表示所述第个j第三特征提取子模型对所述图像进行特征提取时的计算量，α是一个预设参数。