[发明专利]图像处理方法、装置、电子设备及计算机可读存储介质

说明书

本发明实施例提供了一种图像处理方法、装置、电子设备及计算机可读存储介质。包括：计算放大填充参数；针对所述输出层的输出图像的每个输出位置，采用如下方式计算该输出位置的像素点的像素值：获取卷积核覆盖范围；计算输入图像覆盖范围；确定与所述输入图像中所述输入图像覆盖范围内的每个像素点分别对应的元素；再将输入向量与卷积核向量进行点积运算，得到该输出位置的像素点的像素值；所述输入向量为由所述输入图像覆盖范围内的所述输入图像的像素点的像素值按照预设顺序组成的向量；所述卷积核向量为由与所述输入图像中所述输入图像覆盖范围内的每个像素点分别对应的元素，按照所述预设顺序组成的向量。可以提高图像处理效率。

技术领域

本发明涉及图像处理技术领域，特别是涉及一种图像处理方法、装置、电子设备及计算机可读存储介质。

背景技术

在应用卷积神经网络进行图像处理时，经常需要将隐藏层产生的特征图放大到原图的大小，即将隐藏层产生的特征图作为输入图像，对其进行转置卷积运算，得到放大后的输出图像。目前，常用的方法是：首先将转置卷积的卷积核进行180°旋转，得到旋转后的卷积核；再将输入图像放大到与输出图像相同的宽度和高度，得到放大后的输入图像，其中，放大过程分为两步：第一步内部填充和第二步边缘放大，内部填充的方法是：使得输入图像相邻两个像素点在内部填充后的图像中的间隔为转置卷积的步长长度减一，内部填充后的图像中除输入图像像素点所在位置外，其余位置像素点的像素值均取0；边缘放大的方法是：在内部填充后的图像的上方、下方、左侧及右侧分别填充0，得到与输出图像宽度和高度均相同的放大后的输入图像。最后对放大后的输入图像进行步长为1、卷积核为旋转后卷积核的卷积运算，得到最终的放大的输出图像。

对于上述方法，由于放大过程中，在输入图像中填充了多个0，在后续卷积运算中则会出现多个包含0的乘法运算，由于这些乘法运算结果仍为0，对最终的输出图像中的像素值并不会产生影响，属于无效的乘法运算，因此会导致运算速度低的问题，特别是当输入图像的宽度及高度与输出图像的宽度及高度相差较大，填充的0较多时，采用上述方法进行图像处理，处理效率将非常低。

发明内容

本发明实施例的目的在于提供一种图像处理方法、装置、电子设备及计算机可读存储介质，用于解决现有图像处理过程中存在的处理效率低的问题。具体技术方案如下：

第一方面，本发明实施例提供了一种图像处理方法，包括：

使用预设卷积神经网络中除输出层之外的其他网络层，对待处理图像的图像数据进行运算，得到所述输出层的输入图像；

基于所述输入图像的输入图像尺寸，所述输出层的输出图像尺寸，以及所述输出层的转置卷积步长，计算针对所述输入图像的放大填充参数；

针对所述输出层的输出图像的每个输出位置，采用如下方式计算该输出位置的像素点的像素值：

获取该输出位置对应的卷积核覆盖范围，所述卷积核覆盖范围为基于该输出位置的位置信息和所述输出层的卷积填充参数计算得到的；

基于所述卷积核覆盖范围，所述放大填充参数，所述转置卷积步长，计算该输出位置对应的输入图像覆盖范围；

基于所述输入图像覆盖范围，所述放大填充参数，所述卷积填充参数，所述转置卷积步长，针对该输出位置，确定所述预设卷积神经网络的卷积核中，与所述输入图像中所述输入图像覆盖范围内的每个像素点分别对应的元素，相对应的像素点与元素，在放大填充图像中的位置重合，所述放大填充图像为将输入图像经过内部填充和边缘填充后得到的图像；

将输入向量与卷积核向量进行点积运算，得到该输出位置的像素点的像素值；其中，所述输入向量为由所述输入图像覆盖范围内的所述输入图像的像素点的像素值按照预设顺序组成的向量；所述卷积核向量为由与所述输入图像中所述输入图像覆盖范围内的每个像素点分别对应的元素，按照所述预设顺序组成的向量。