[发明专利]图像处理方法、装置、电子设备及计算机存储介质

说明书

本发明实施例公开一种图像处理方法、装置、电子设备及计算机存储介质，所述方法包括：获取图像中各像素点的像素值；根据所述图像的像素值和卷积神经网络，确定所述图像的特征图；其中，所述卷积神经网络至少包括第一卷积层和与所述第一卷积层连接的其他网络层，所述第一卷积层包括第一预设数量个子卷积层，前一个子卷积层的输出为后一个子卷积层的输入，各子卷积层输出的合并为所述第一卷积层的输出，所述第一预设数量大于或等于2。实现数据的分配，提高卷积神经网络的计算速度，进而降低其对电子设备的硬件要求，降低成本。

技术领域

本发明实施例涉及计算机图像处理技术领域，尤其涉及一种图像处理方法、装置、电子设备及计算机存储介质。

背景技术

在计算机视觉中，物体的检测、跟踪、识别是最基本的几个任务。在进行物体的检测、跟踪和识别时，均需要准确获得图像的特征图(或特征向量)，基于该特征图可以准确实现图像中物体的检测、跟踪和识别。由此可知，图像的特征图的提取是计算机图像处理技术的重点。

发明内容

本发明实施例提供一种图像处理方法、装置、电子设备及计算机存储介质。

第一方面，本发明实施例提供一种图像处理方法，包括：

获取图像中各像素点的像素值；

根据所述图像的像素值和卷积神经网络，确定所述图像的特征图；其中，所述卷积神经网络至少包括第一卷积层和与所述第一卷积层连接的其他网络层，所述第一卷积层包括第一预设数量个子卷积层，前一个子卷积层的输出为后一个子卷积层的输入，各子卷积层输出的合并为所述第一卷积层的输出，所述第一预设数量大于或等于2。

在第一方面的一种可能的实现方式中，在第另所述其他网络层包括第二卷积层或池化层，和/或，所述第一卷积层为所述卷积神经网络的中间网络层。

在第一方面的另一种可能的实现方式中，所述卷积神经网络包括第二预设数量个的所述第一卷积层，所述第二预设数量大于或等于2。

在第一方面的另一种可能的实现方式中，所述第二预设数量个的所述第一卷积层中，至少二个所述第一卷积层依次连接。

在第一方面的另一种可能的实现方式中，所述第二预设数量个的所述第一卷积层中，至少二个所述第一卷积层之间通过至少一个所述其他网络层连接。

在第一方面的另一种可能的实现方式中，所述第二预设数量个的所述第一卷积层中：至少二个所述第一卷积层各自包括的子卷积层的数量相同，或者，至少二个所述第一卷积层各自包括的子卷积层的数量不同。

在第一方面的一种可能的实现方式中，所述第一卷积层输出的特征图的长度和宽度与输入的特征图的长度和宽度相同。

在第一方面的另一种可能的实现方式中，所述第一卷积层输出的特征图的通道数与输入的特征图的通道数相同。

在第一方面的另一种可能的实现方式中，所述第一卷积层中各子卷积层的输出的特征图的通道数之和，等于所述第一卷积层输出的特征图的通道数。

在第一方面的另一种可能的实现方式中，所述第一卷积层中后一子卷积层输出的特征图的通道数，小于或等于前一子卷积层输出的特征图的通道数。

在第一方面的另一种可能的实现方式中，所述第一卷积层中第一个子卷积层对应的卷积核小于其他子卷积层对应的卷积核。

在第一方面的另一种可能的实现方式中，所述根据所述图像的像素值和预先训练完成的卷积神经网络，确定所述图像的特征图之前，所述方法还包括：

获取多个训练样本；

将多个所述训练样本输入所述卷积神经网络中，对所述卷积神经网络进行训练。