[发明专利]基于卷积神经网络的图像处理方法、装置、设备及介质

权利要求书

1.一种基于卷积神经网络的图像处理方法，其特征在于，包括：

确定当前卷积层接收的图像输入数据，以及确定所述当前卷积层的第一卷积核；

将所述第一卷积核和所述图像输入数据输入至预设正交网络，以使所述预设正交网络输出位姿数据，其中，所述位姿数据包括所述图像输入数据中的目标特征的位姿参数；

根据所述位姿数据和所述第一卷积核确定第二卷积核；

将所述图像输入数据和所述第二卷积核进行卷积运算，以得到第一输出数据；

根据所述第一输出数据和所述位姿数据确定所述当前卷积层的输出数据。

2.根据权利要求1所述的图像处理方法，其特征在于，所述根据所述位姿数据和所述第一卷积核确定第二卷积核，包括：

确定所述位姿数据中的位姿参数，将所述位姿参数转换为位姿矩阵；

将所述位姿矩阵和对应的第一卷积核进行矩阵乘法运算，以得到第二卷积核。

3.根据权利要求2所述的图像处理方法，其特征在于，所述将所述位姿参数转换为位姿矩阵，包括：

针对每个位姿参数，根据转换公式将所述位姿参数转换为位姿矩阵，所述转换公式为：

其中，每个位姿参数对应一个行数和一个列数，a_ij为行数是i以及列数是j的位姿参数，R_ij为a_ij对应的位姿矩阵，所述图像输入数据的总行数为m以及总列数为n，i为1到m中的任一个，j为1到n中的任一个。

4.根据权利要求3所述的图像处理方法，其特征在于，所述将所述位姿矩阵和对应的第一卷积核进行矩阵乘法运算，以得到第二卷积核，包括：

针对每个位置，将所述位置对应的位姿矩阵和所述位置对应的第一卷积核进行矩阵乘法运算，以得到所述位置对应的第二卷积核，其中，所述位置为所述图像输入数据中行数为i，列数为j的位置。

5.根据权利要求4所述的图像处理方法，其特征在于，所述将所述图像输入数据和所述第二卷积核进行卷积运算，以得到第一输出数据，包括：

针对每个位置，以所述位置为中心，将所述位置对应的第二卷积核对所述位置对应的图像输入数据进行卷积运算，以得到所述位置的第一输出数据。

6.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，所述根据所述第一输出数据和所述位姿数据确定所述当前卷积层的输出数据，包括：

将所述第一输出数据和所述位姿数据进行拼接操作以得到第二输出数据，并将所述第二输出数据作为所述当前卷积层的输出数据。

7.根据权利要求5所述的图像处理方法，其特征在于，所述方法还包括：

根据所有第一输出数据之和确定正交损失参数；

若所述正交损失参数不符合预设参数条件，则根据所述正交损失参数调整所述预设正交网络的预设参数，以使所述正交损失参数符合所述预设参数条件。

8.一种图像处理装置，其特征在于，包括：

数据确定模块，用于确定当前卷积层接收的图像输入数据，以及确定所述当前卷积层的第一卷积核；

位姿数据模块，用于将所述第一卷积核和所述图像输入数据输入至预设正交网络，以使所述预设正交网络输出位姿数据，其中，所述位姿数据包括所述图像输入数据中的目标特征的位姿参数；

卷积核确定模块，用于根据所述位姿数据和所述第一卷积核确定第二卷积核；

卷积运算模块，用于将所述图像输入数据和所述第二卷积核进行卷积运算，以得到第一输出数据；

输出模块，用于根据所述第一输出数据和所述位姿数据确定所述当前卷积层的输出数据。

9.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；

所述存储器用于存储计算机程序；

所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至7中任一项所述的基于卷积神经网络的图像处理方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至7中任一项所述的基于卷积神经网络的图像处理方法。