[发明专利]图像处理方法、装置及存储介质在审

专利信息
申请号: 202010366985.5 申请日: 2020-04-30
公开(公告)号: CN111553477A 公开(公告)日: 2020-08-18
发明(设计)人: 郭少鹏;王宇杰;李全全 申请(专利权)人: 深圳市商汤科技有限公司
主分类号: G06N3/08 分类号: G06N3/08;G06N3/04;G06N3/06;G06T1/00
代理公司: 北京同立钧成知识产权代理有限公司 11205 代理人: 张娜;臧建明
地址: 518000 广东省深圳市*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 处理 方法 装置 存储 介质
【权利要求书】:

1.一种图像处理方法,其特征在于,所述方法包括:

将待处理图像输入到神经网络模型;

经所述神经网络模型输出所述待处理图像的图像特征;

其中,所述神经网络模型包括至少两个中间层,每个中间层包括多个神经元,所述神经网络模型为:基于初始神经网络模型中神经元的保留概率,对所述初始神经网络模型进行剪枝处理得到的,所述初始神经网络模型中神经元的保留概率是基于预设的统计模型获取的。

2.根据权利要求1所述的方法,其特征在于,在将待处理图像输入到神经网络模型之前,所述方法还包括:

基于初始神经网络模型中神经元的保留概率,获取待训练的神经网络模型;

对所述待训练的神经网络模型进行训练,得到所述神经网络模型。

3.根据权利要求2所述的方法,其特征在于,所述预设的统计模型为马尔科夫模型,在所述基于初始神经网络模型中神经元的保留概率,获取待训练的神经网络模型之前,还包括:

根据所述马尔科夫模型,获取初始神经网络模型中神经元的保留概率;

其中,所述马尔科夫模型任一层中第k个神经元的转移概率Pk用于表征前k-1个神经元保留的前提下,第k个神经元保留的概率,k为大于或等于1的整数。

4.根据权利要求3所述的方法,其特征在于,所述马尔科夫模型是通过N次迭代训练获取的,N为大于或等于1的整数,其中,在第M次迭代训练中,M为大于或等于1且小于或等于N的整数,还包括:

在第M次迭代过程中,对第M-1个初始神经网络模型基于第M-1个马尔科夫模型进行剪枝处理,获取第M-1个初始神经网络模型的子网络模型;

在第M次迭代过程中,训练所述第M-1个初始神经网络模型的子网络模型并获取第一损失函数,将所述第一损失函数所确定的第一梯度回传至所述第M-1个初始神经网络模型更新对应的神经元,得到第M个初始神经网络模型;所述第一损失函数用于表征所述第M-1个初始神经网络模型的子网络模型的精度;

在第M次迭代过程中,向所述第M个初始神经网络模型输入样本图像,将所述第M个初始神经网络模型每个神经元的输出结果,与所述第M-1个马尔科夫模型中对应神经元的保留概率相乘;

在第M次迭代过程中,获取所述第M个初始神经网络模型的第二损失函数;所述第二损失函数用于表征所述第M个初始神经网络模型的精度和/或计算量;

在第M次迭代过程中,将根据所述第二损失函数所确定的第二梯度回传至所述第M-1个马尔科夫模型,得到第M个马尔科夫模型。

5.根据权利要求2所述的方法,其特征在于,在所述对所述待训练的神经网络模型进行训练,得到所述神经网络模型之前,还包括:

对所述待训练的神经网络模型中神经元的参数做随机化处理。

6.根据权利要求1至5任一项所述的方法,其特征在于,

所述神经网络模型为:基于初始神经网络模型中任一个中间层的神经元的保留概率,或者,多个中间层的神经元的保留概率,对所述初始神经网络模型进行剪枝处理得到的。

7.根据权利要求1至5任一项所述的图像处理方法,其特征在于,在所述经所述神经网络模型输出所述待处理图像的图像特征之后,所述方法还包括:

根据得到的所述图像特征进行以下至少之一处理:行人检索、人脸识别、人脸位置检测、人脸关键点检测、人体位置检测、人体动作检测、人体关键点检测、手势识别、手位置检测、行人识别、车辆识别、场景识别以及活体检测。

8.一种图像处理装置,其特征在于,所述装置包括:

输入模块,用于将待处理图像输入到神经网络模型;

输出模块,用于经所述神经网络模型输出所述待处理图像的图像特征;

其中,所述神经网络模型包括至少两个中间层,每个中间层包括多个神经元,所述神经网络模型为:基于初始神经网络模型中神经元的保留概率,对所述初始神经网络模型进行剪枝处理得到的,所述初始神经网络模型中神经元的保留概率是基于预设的统计模型获取的。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市商汤科技有限公司,未经深圳市商汤科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010366985.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top