[发明专利]图像处理方法、装置及移动终端

说明书

本申请公开了一种图像处理方法、装置及移动终端，该方法包括：在待识别图像中，通过深层卷积神经网络识别一级场景，获取第一分类结果；在第一分类结果中，通过浅层卷积神经网络识别二级场景，获取第二分类结果；基于第二分类结果，输出待识别图像的场景精细分类信息。本方法通过级联的卷积神经网络依次对大类场景和小类场景进行分类，避免了采用单一的大型网络对小类场景进行精细分类带来的高计算量，在计算和精度上取得了不错的平衡，为落地到移动端提供了可能。

技术领域

本申请涉及移动终端技术领域，更具体地，涉及一种图像处理方法、装置及移动终端。

背景技术

现有的场景分类方法包括针对大类场景和小类场景进行分类。大类场景包括如天空、草地、美食等关联不大的场景。但是人们往往更加关注小类场景，比如天空包括云朵、太阳、大气层等，草地包括纯绿的草地、黄绿相间的草地等，美食包括水果、蔬菜、肉类等。识别出不同的小类场景可以做更加精细的后处理，提高照片显示效果。

然而，目前通过深度学习对复杂场景进行精细分类，主要采用单一的大型网络来进行，其计算量大、耗时长，对移动端部署造成了巨大的压力。

发明内容

鉴于上述问题，本申请提出了一种图像处理方法、装置及移动终端，以解决上述问题。

第一方面，本申请实施例提供了一种图像处理方法，该方法包括：在待识别图像中，通过深层卷积神经网络识别一级场景，获取第一分类结果，每一类所述一级场景包含至少一类二级场景；在所述第一分类结果中，通过浅层卷积神经网络识别二级场景，获取第二分类结果，所述深层卷积神经网络的层数大于所述浅层卷积神经网络的层数；基于所述第二分类结果，输出所述待识别图像的场景精细分类信息。

第二方面，本申请实施例提供了一种图像处理装置，所述装置包括：一级分类模块，用于在待识别图像中，通过深层卷积神经网络识别一级场景，获取第一分类结果，每一类所述一级场景包含至少一类二级场景；二级分类模块，用于在所述第一分类结果中，通过浅层卷积神经网络识别二级场景，获取第二分类结果，所述深层卷积神经网络的层数大于所述浅层卷积神经网络的层数；输出模块，用于基于所述第二分类结果，输出所述待识别图像的场景精细分类信息。

第三方面，本申请实施例提供了一种移动终端，其包括显示器、存储器以及处理器，所述显示器和所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时，所述处理器执行上述第一方面所述的方法。

第四方面，本申请实施例提供了一种具有处理器可执行的程序代码的计算机可读取存储介质，所述程序代码使所述处理器执行上述第一方面所述的方法。

相对于现有技术，本申请实施例提供的图像处理方法、装置及移动终端，通过深层卷积神经网络对待识别图像中的一级场景进行分类，然后对每类一级场景采用浅层卷积神经网络进行二级场景的分类，最后输出所述待识别图像的场景精细分类信息。相对于现有技术，本申请实施例通过采用级联的卷积神经网络依次对大类场景和小类场景进行分类，避免了采用单一的大型网络对小类场景进行精细分类带来的高计算量，在计算和精度上取得了不错的平衡，为落地到移动端提供了可能。

本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本申请第一实施例提供的图像处理方法的流程示意图；

图2示出了本申请第二实施例提供的图像处理方法的流程示意图；

图3示出了本申请第三实施例提供的图像处理装置的模块框图；