[发明专利]图片处理方法和装置

说明书

本申请实施例公开了图片处理方法和装置。该方法的一具体实施方式包括：将待处理的图片输入卷积神经网络，得到所述图片的特征图像金字塔；对所述特征图像金字塔变换分辨率，得到与所述特征图像金字塔对应的特征图像集合；将所述特征图像集合划分为至少两个特征图像子集，其中，各个特征图像子集包括具有不同原始分辨率的特征图像；将具有相同的原始分辨率的特征图像与其中一个特征图像子集中的特征图像合并，形成与各个所述原始分辨率相对应的特征图像组合。本申请实施例可以提高卷积神经网络的准确性。

技术领域

本申请实施例涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及图片处理方法和装置。

背景技术

在基于卷积神经网络(Convolutional Neural Network)处理图片的场景分类、场景分割、目标识别以及行为识别等计算机视觉任务中，可以先通过卷积神经网络获取图像所包含物体的特征，然后对特征进行处理。

发明内容

本申请实施例提出了图片处理方法和装置。

第一方面，本申请实施例提供了一种图片处理方法，包括：将待处理的图片输入卷积神经网络，得到图片的特征图像金字塔，其中，特征图像金字塔包括至少两个具有互不相同的原始分辨率的特征图像层；对特征图像金字塔变换分辨率，得到与特征图像金字塔对应的特征图像集合，其中，特征图像集合中的特征图像具有相同的分辨率；将特征图像集合划分为至少两个特征图像子集，其中，各个特征图像子集包括具有不同原始分辨率的特征图像；将具有相同的原始分辨率的特征图像与其中一个特征图像子集中的特征图像合并，形成与各个原始分辨率相对应的特征图像组合。

在一些实施例中，将具有相同的原始分辨率的特征图像与其中一个特征图像子集中的特征图像合并，形成与各个原始分辨率相对应的特征图像组合，包括：对至少一个特征图像子集中的特征图像变换分辨率；将特征图像金字塔中，具有相同的原始分辨率的特征图像与其中一个特征图像子集中的特征图像合并，形成与各个原始分辨率相对应的特征图像组合，其中，不同的特征图像层所对应的特征图像组合的分辨率不同。

在一些实施例中，对特征图像金字塔变换分辨率，包括：对特征图像金字塔中的第一特征图像层以外的特征图像进行上采样，使得上采样后生成的各特征图像具有与第一特征图像层中的各特征图像的原始分辨率相同的分辨率，其中，第一特征图像层为特征图像金字塔中，具有最大原始分辨率的特征图像所在的图像层。

在一些实施例中，将特征图像集合划分为至少两个特征图像子集，包括：将特征图像集合分为指定数量个组，其中，每个组中包括具有至少一个原始分辨率的特征图像，指定数量大于或等于原始分辨率的数量，各个组中的特征图像的数量差小于阈值；将每个组划分至其中一个特征图像子集。

在一些实施例中，将特征图像集合分为指定数量个组，包括：将特征图像集合分为指定数量个初始组，其中，各个初始组包括的特征图像的数量相等，其中，各个初始组中的特征图像按照原始分辨率的大小顺序排列；将按照顺序排列的初始组分为指定数量个组，其中，各个组按照其中包括的特征图像的原始分辨率的大小顺序排列，各个组包括的特征图像的数量相等。

在一些实施例中，将每个组划分至其中一个特征图像子集，包括：取各个初始组内的其中一个组，按照所取的组所在的各个初始组之间的顺序排列所取的各个组，得到组序列；按照组序列中的组在所在的初始组中的顺序，将各个组序列连接成组总序列；将组总序列按序分成预设数量个特征图像子集。

在一些实施例中，特征图像金字塔所包含的特征图像层的数量与特征图像子集的数量相同。

在一些实施例中，各特征图像子集包括与特征图像金字塔中，各特征图像层的原始分辨率相同原始分辨率的特征图像。