[发明专利]图像处理方法、装置、设备及存储介质

说明书

本申请公开了一种图像处理方法、装置、设备及存储介质，涉及人工智能的机器学习领域。该方法包括：在超网络中确定参考网络和随机网络，超网络包括至少两个候选算子，参考网络包括在超网络中预先确定的第一组算子，随机网络包括在超网络中随机采样的第二组算子，超网络用于进行图像处理；使用训练图像样本集训练更新第一组算子和第二组算子的网络参数；使用验证图像样本集训练更新超网络中至少两个候选算子的结构参数，结构参数用于从超网络中确定图像处理网络；根据结构参数从超网络中搜索得到图像处理网络；调用图像处理网络对输入图像进行图像处理，得到图像处理结果。该方法可以训练图像处理网络的网络结构，提升图像处理网络的网络性能。

技术领域

本申请涉及人工智能的机器学习领域，特别涉及一种图像处理方法、装置、设备及存储介质。

背景技术

随着深度学习的繁荣发展，尤其是神经网络的发展，采用神经网络对图像进行处理的方法也愈加成熟。

相关技术中，采用训练图像样本集训练人工设计的图像处理网络，使图像处理网络学习到图像处理能力，能够根据输入的图像准确输出图像处理结果。例如，对于图像分类任务，人工设计图像分类网络的结构：卷积层、池化层、全连接层等，将训练图像样本集中的图像输入图像分类网络得到预测结果，根据预测结果与该图像的实际分类标签的损失训练图像分类网络的网络参数。

图像处理网络的网络性能除了与网络参数相关，还与图像处理网络的网络结构有关。相关技术中的方法，网络结构是由人工基于经验设计得到的，网络性能局限于人工设计的网络结构，无法得到最优的图像处理网络。

发明内容

本申请实施例提供了一种图像处理方法、装置、设备及存储介质，可以训练图像处理网络的网络结构，提升图像处理网络的网络性能。所述技术方案如下。

根据本申请的一方面，提供了一种图像处理方法，所述方法包括：

在超网络中确定参考网络和随机网络，所述超网络包括至少两个候选算子，所述参考网络包括在所述超网络中预先确定的第一组算子，所述随机网络包括在所述超网络中随机采样的第二组算子，所述超网络用于进行图像处理；

使用训练图像样本集训练更新所述第一组算子和所述第二组算子的网络参数；

使用验证图像样本集训练更新所述超网络中所述至少两个候选算子的结构参数，所述结构参数用于从所述超网络中确定图像处理网络；

根据所述结构参数从所述超网络中搜索得到所述图像处理网络，所述图像处理网络包括所述超网络中的第三组算子；

调用所述图像处理网络对输入图像进行图像处理，得到图像处理结果。

在一个可选的实施例中，所述方法还包括：

初始化所述超网络及所述至少两个候选算子的所述结构参数；

使用预热图像样本集训练所述超网络中所述至少两个候选算子的所述网络参数。

在一个可选的实施例中，所述使用预热图像样本集训练所述超网络中所述至少两个候选算子的所述网络参数，包括：

在所述超网络中确定预热网络，所述预热网络包括在所述超网络中随机采样的第四组算子；

使用所述预热图像样本集训练更新所述第四组算子的所述网络参数；

重复上述步骤训练所述超网络中所述至少两个候选算子的所述网络参数。

根据本申请的另一方面，提供了一种图像处理装置，所述装置包括：

确定模块，用于在超网络中确定参考网络和随机网络，所述超网络包括至少两个候选算子，所述参考网络包括在所述超网络中预先确定的第一组算子，所述随机网络包括在所述超网络中随机采样的第二组算子，所述超网络用于进行图像处理；