[发明专利]图像处理方法、图像处理模型的训练方法、装置及设备

权利要求书

1.一种图像处理方法，包括：

将待处理图像输入卷积神经网络，得到所述待处理图像的特征图；

对所述特征图执行第一卷积操作和重组操作，得到第一特征；

对所述特征图执行第二卷积操作和所述重组操作，得到第二特征；

对所述特征图执行第三卷积操作，得到第三特征；

根据所述第一特征和所述第二特征，得到权重矩阵；

利用所述权重矩阵对所述第三特征进行加权，得到经加权的第三特征，作为增强特征图；以及

根据所述增强特征图执行图像重建，得到重建图像的图像数据，

其中，所述重组操作用于将所述特征图对应的矩阵转换为特定维数的矩阵，所述特定维数的矩阵的元素数量和所述特征图对应的矩阵的元素数量相同。

2.根据权利要求1所述的方法，其中，根据所述增强特征图执行图像重建，得到重建图像的图像数据包括：

利用自适应权重对所述增强特征图进行加权，得到经加权的增强特征图；以及

利用所述经加权的增强特征图执行图像重建，得到所述重建图像的图像数据。

3.一种图像处理方法，包括：

将待处理图像输入卷积神经网络，得到所述待处理图像的特征图；

对所述特征图执行第一卷积操作和重组操作，得到第一特征；

对所述特征图执行第二卷积操作和所述重组操作，得到第二特征；

对所述特征图执行第三卷积操作，得到第三特征；

根据所述第一特征和所述第二特征，得到权重矩阵；

利用所述权重矩阵对所述第三特征进行加权，得到经加权的第三特征；

将所述第三特征与所述经加权的第三特征相加，得到增强特征图；以及

根据所述增强特征图执行图像重建，得到重建图像的图像数据，

其中，所述重组操作用于将所述特征图对应的矩阵转换为特定维数的矩阵，所述特定维数的矩阵的元素数量和所述特征图对应的矩阵的元素数量相同。

4.根据权利要求3所述的方法，其中，根据所述增强特征图执行图像重建，得到重建图像的图像数据包括：

利用自适应权重对所述增强特征图进行加权，得到经加权的增强特征图；以及

利用所述经加权的增强特征图执行图像重建，得到所述重建图像的图像数据。

5.一种图像处理模型的训练方法，所述图像处理模型包括卷积神经网络和特征增强模型，所述方法包括：

将样本图像输入所述卷积神经网络，得到所述样本图像的样本特征图；

将所述样本特征图输入到所述特征增强模型，对所述样本特征图执行第一卷积操作和重组操作，得到第一特征；

对所述样本特征图执行第二卷积操作和所述重组操作，得到第二特征；

对所述样本特征图执行第三卷积操作，得到第三特征；

根据所述第一特征和所述第二特征，得到权重矩阵；

利用所述权重矩阵对所述第三特征进行加权，得到经加权的第三特征，作为增强特征图；

根据所述增强特征图执行图像重建，得到重建图像的图像数据；

计算所述重建图像的图像数据与针对所述重建图像的监督图像的图像数据之间的相似度；以及

调整所述卷积神经网络的卷积核参数，直至所述相似度大于等于预设阈值，

其中，所述重组操作用于将所述特征图对应的矩阵转换为特定维数的矩阵，所述特定维数的矩阵的元素数量和所述特征图对应的矩阵的元素数量相同。

6.根据权利要求5所述的方法，其中，根据所述增强特征图执行图像重建，得到重建图像的图像数据包括：

利用自适应权重对所述增强特征图进行加权，得到经加权的增强特征图；以及

利用所述经加权的增强特征图执行图像重建，得到所述重建图像的图像数据。

7.根据权利要求6所述的方法，还包括：

调整所述自适应权重，直至所述相似度大于等于预设阈值。