[发明专利]图像处理方法、神经网络的训练方法、装置、设备及介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

将待处理图像输入神经网络模型；

经由所述神经网络模型形成所述待处理图像的离散特征图；

其中，所述神经网络模型是基于指导信息训练而成的，且所述神经网络模型在训练过程中，被作为学生神经网络模型，所述指导信息包括：教师神经网络模型针对图像样本形成的离散特征图与所述学生神经网络模型针对所述图像样本形成的离散特征图之间的差异。

2.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括：大小不超过2M的神经网络模型。

3.根据权利要求1至2中任一项所述的方法，其特征在于，所述经由所述神经网络模型形成所述待处理图像的离散特征图包括：

经由所述神经网络模型形成所述待处理图像的浮点特征图，并将所述浮点特征图量化为所述待处理图像的离散特征图。

4.根据权利要求3所述的方法，其特征在于，所述经由所述神经网络模型形成所述待处理图像的浮点特征图包括：

经由所述神经网络模型针对所述待处理图像，进行浮点特征图提取，并将提取出的浮点特征图转换为符合预定要求的浮点特征图，以形成所述待处理图像的浮点特征图。

5.根据权利要求4所述的方法，其特征在于，所述将提取出的浮点特征图转换为符合预定要求的浮点特征图包括：

将所述浮点特征图转换为具有预定通道数的浮点特征图；和/或者

将所述浮点特征图转换为具有预定大小的浮点特征图。

6.一种神经网络的训练方法，其特征在于，待训练的神经网络模型在训练过程中，被作为学生神经网络模型，所述训练方法包括下述步骤：

将图像样本分别输入学生神经网络模型以及教师神经网络模型；

经由学生神经网络模型以及教师神经网络模型，分别形成所述图像样本的离散特征图；

根据指导信息，对所述学生神经网络模型进行监督学习；

其中，所述指导信息包括：教师神经网络模型针对图像样本形成的离散特征图与所述学生神经网络模型针对图像样本形成的离散特征图之间的差异。

7.一种图像处理装置，其特征在于，包括：

输入图像模块，用于将待处理图像输入神经网络模型；

神经网络模型，用于形成所述待处理图像的离散特征图；

其中，所述神经网络模型是基于指导信息训练而成的，且所述神经网络模型在训练过程中，被作为学生神经网络模型，所述指导信息包括：教师神经网络模型针对图像样本形成的离散特征图与所述学生神经网络模型针对所述图像样本形成的离散特征图之间的差异。

8.一种神经网络的训练装置，其特征在于，待训练的神经网络模型被作为学生神经网络模型，所述装置包括：

输入图像样本模块，用于将图像样本分别输入学生神经网络模型以及教师神经网络模型，以经由学生神经网络模型以及教师神经网络模型，分别形成所述图像样本的离散特征图；

监督模块，用于根据指导信息，对所述学生神经网络模型进行监督学习；

其中，所述指导信息包括：教师神经网络模型针对图像样本形成的离散特征图与所述学生神经网络模型针对图像样本形成的离散特征图之间的差异。

9.一种电子设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现上述权利要求1-6中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，实现上述权利要求1-6中任一项所述的方法。