[发明专利]图像处理方法、装置、设备和介质

权利要求书

1.一种图像处理方法，包括：

基于待检测图像，采用图像检测模型的自注意力网络获得第一图像特征；

基于所述待检测图像，采用所述图像检测模型的卷积网络获得第二图像特征；以及

基于所述第一图像特征与所述第二图像特征的融合特征，采用所述图像检测模型的预测网络获得检测结果。

2.根据权利要求1所述的方法，其中，所述卷积网络包括深度分离卷积子网络；所述基于所述待检测图像，采用所述图像检测模型的卷积网络获得第二图像特征包括：

基于所述待检测图像，采用所述深度分离卷积子网络得到所述待检测图像的局部特征；以及

基于所述局部特征，确定所述第二图像特征。

3.根据权利要求2所述的方法，其中，所述自注意力网络基于局部自注意力机制构建；所述基于待检测图像，采用图像检测模型的自注意力网络获得第一图像特征包括：

基于所述待检测图像，确定所述自注意力网络的输入特征；以及

将所述输入特征输入所述自注意力网络，获得所述第一图像特征。

4.根据权利要求3所述的方法，其中，所述基于所述待检测图像，确定所述自注意力网络的输入特征包括：

基于所述待检测图像，确定针对所述自注意力网络的Q特征、K特征和V特征；以及

融合所述V特征和所述局部特征，得到融合后V特征，

其中，所述输入特征包括所述Q特征、所述K特征和所述融合后V特征。

5.根据权利要求3所述的方法，其中，基于所述待检测图像，确定所述自注意力网络的输入特征包括：

对所述待检测图像的特征图进行第一线性变换，得到第一线性特征；以及

基于所述第一线性特征，确定所述自注意力网络的输入特征。

6.根据权利要求2所述的方法，其中，所述卷积网络还包括点分离卷积子网络；所述基于所述局部特征，确定所述第二图像特征包括：

将所述局部特征输入所述点分离卷积子网络，得到通道融合的融合后局部特征；以及

将所述第一图像特征与所述融合后局部特征融合，得到所述第二图像特征。

7.根据权利要求2所述的方法，其中，所述基于所述待检测图像，采用所述深度分离卷积子网络得到所述待检测图像的局部特征包括：

对所述待检测图像的特征图进行第二线性变换，得到第二线性特征；以及

将所述第二线性特征输入所述深度分离卷积子网络，得到所述局部特征。

8.一种图像处理装置，包括：

第一图像特征获得模块，用于基于待检测图像，采用图像检测模型的自注意力网络获得第一图像特征；

第二图像特征获得模块，用于基于所述待检测图像，采用所述图像检测模型的卷积网络获得第二图像特征；以及

检测结果获得模块，用于基于所述第一图像特征与所述第二图像特征的融合特征，采用所述图像检测模型的预测网络获得检测结果。

9.根据权利要求8所述的装置，其中，所述卷积网络包括深度分离卷积子网络；所述第二图像特征获得模块包括：

局部特征获得子模块，用于基于所述待检测图像，采用所述深度分离卷积子网络得到所述待检测图像的局部特征；以及

图像特征确定子模块，用于基于所述局部特征，确定所述第二图像特征。

10.根据权利要求9所述的装置，其中，所述自注意力网络基于局部自注意力机制构建；所述第一图像特征获得模块包括：

输入特征确定子模块，用于基于所述待检测图像，确定所述自注意力网络的输入特征；以及

图像特征获得子模块，用于将所述输入特征输入所述自注意力网络，获得所述第一图像特征。