[发明专利]一种图像处理方法以及相关装置

权利要求书

1.一种图像处理方法，适用于图像处理装置，其特征在于，包括：

获取待处理的目标图像；

在N个分区模型中，使用分类器确定所述目标图像对应的目标分区模型，所述N为大于1的整数；所述分类器用于在所述N个分区模型中，将对所述目标图像进行分区的精度和时间的比值最大的分区模型确定为所述目标分区模型；使用所述目标分区模型对所述目标图像进行分区，得到所述目标图像的分区结果。

2.根据权利要求1所述的图像处理方法，其特征在于，所述方法在所述使用分类器确定所述目标图像对应的目标分区模型时，还包括：

使用第一分区模型对所述目标图像进行分区，其中，所述第一分区模型为所述N个分区模型中精度最高的分区模型或进行图像分区操作耗时最长的分区模型；

所述使用所述目标分区模型对所述目标图像进行分区，得到所述目标图像的分区结果包括：

若所述目标分区模型为所述第一分区模型，则继续使用所述第一分区模型对所述目标图像进行分区，并将所述第一分区模型的分区结果作为所述目标图像的分区结果；

若所述目标分区模型不为所述第一分区模型，则停止所述使用第一分区模型对所述目标图像进行分区的操作，并使用所述目标分区模型对所述目标图像进行分区，得到所述目标图像的分区结果。

3.根据权利要求1或2所述的图像处理方法，其特征在于，所述方法在所述获取待处理的目标图像之前还包括：

通过神经网络的图像训练操作，得到所述分类器，所述分类器用于在所述N个分区模型中，确定所述目标图像对应的目标分区模型。

4.根据权利要求3所述的图像处理方法，其特征在于，所述通过神经网络的图像训练操作，得到所述分类器包括：

获取P张训练图像；

使用所述N个分区模型对所述P张训练图像进行分区，并分别确定每个分区模型对每张训练图像进行分区的精度和时间的比值；

根据所述每个分区模型对每张训练图像进行分区的精度和时间的比值，确定每张训练图像对应的分区模型，其中，所述P张训练图像中的第i张训练图像对应的分区模型为：对所述第i张图像进行分区的精度和时间的比值最大的分区模型，1≤i≤P；

根据所述P张训练图像对应的分区模型进行训练，得到所述分类器，所述分类器用于在所述N个分区模型中，将对所述目标图像进行分区的精度和时间的比值最大的分区模型确定为所述目标图像对应的目标分区模型。

5.根据权利要求1至4中任一项所述的图像处理方法，其特征在于，所述方法还包括：

根据所述目标分区模型的精度，确定所述目标分区模型对应的卷积核的目标大小；

使用所述目标大小的卷积核，对所述目标图像的分区结果进行分类，得到所述目标图像的分类结果。

6.根据权利要求1至5中任一项所述的图像处理方法，其特征在于，所述方法还包括：

若所述目标分区模型不是所述N个分区模型中精度最高的分区模型，则并行使用浮点通道和定点通道对所述目标图像的分区结果进行分类，得到所述目标图像的分类结果。

7.一种图像处理装置，其特征在于，包括：

图像获取模块，用于获取待处理的目标图像；

模型确定模块，用于在N个分区模型中，使用分类器确定所述目标图像对应的目标分区模型，所述N为大于1的整数；所述分类器用于在所述N个分区模型中，将对所述目标图像进行分区的的精度和时间的比值最大的分区模型确定为所述目标分区模型；

图像识别模块，用于使用所述目标分区模型对所述目标图像进行分区，得到所述目标图像的分区结果。