[发明专利]一种图像信息的处理方法、装置及存储介质

说明书

本发明实施例公开了一种图像信息的处理方法、装置及存储介质，本发明实施例通过获取预设目标神经网络模型对图像处理时相应的第一矩阵信息；获取预设待学习神经网络模型对图像处理时相应的第二矩阵信息；根据第一矩阵信息对第二矩阵信息进行相应的学习处理，确定学习处理后的第二目标矩阵信息；根据第二目标矩阵信息和预设待学习神经网络模型对图像信息进行处理。以此通过让第二矩阵信息模仿学习第一矩阵信息的特点，得到具有第一矩阵信息特点的第二目标矩阵信息，并以更完善的第二目标矩阵信息和预设待学习神经网络模型对图像信息进行处理，可以得到更佳的处理效果和处理速度，提升了图像信息的处理效率。

技术领域

本发明涉及信息处理领域，具体涉及一种图像信息的处理方法、装置及存储介质。

背景技术

近年来，随着机器学习的不断发展，终端对于图像的理解能力越来越强，可以轻松的完成将图像中的物体进行自动分割，并识别出分割后的物体相应的内容，实现实时的智能抠图应用或者无人车的场景解析应用，极大的方便了用户的生活。

现有技术中，需要预先构建神经网络模型，并通过输入大量的训练图像对构建的神经网络模型进行物体识别训练，得到具备物体识别能力的神经网络模型，且神经网络模型的规模越大，相应的物体识别准确率越高。

在对现有技术的研究和实践过程中，本发明的发明人发现，大型的神经网络模型虽然对物体识别准确率高，但是相应的识别时间较长，导致对图像信息的处理效率过低。

发明内容

本发明实施例提供一种图像信息的处理方法、装置及存储介质，旨在提升图像信息的处理效率。

为解决上述技术问题，本发明实施例提供以下技术方案：

一种图像信息的处理方法，包括：

获取预设目标神经网络模型对图像处理时相应的第一矩阵信息；

获取预设待学习神经网络模型对图像处理时相应的第二矩阵信息；

根据所述第一矩阵信息对所述第二矩阵信息进行相应的学习处理，确定学习处理后的第二目标矩阵信息；

根据所述第二目标矩阵信息和预设待学习神经网络模型对图像信息进行处理。

一种图像信息的处理装置，包括：

第一获取单元，用于获取预设目标神经网络模型对图像处理时相应的第一矩阵信息；

第二获取单元，用于获取预设待学习神经网络模型对图像处理时相应的第二矩阵信息；

学习单元，用于根据所述第一矩阵信息对所述第二矩阵信息进行相应的学习处理，确定学习处理后的第二目标矩阵信息；

处理单元，用于根据所述第二目标矩阵信息和预设待学习神经网络模型对图像信息进行处理。

在一些实施例中，所第一获取单元，具体还用于：

获取预设目标神经网络模型对图像处理时相应的第一中间层特征；

将所述第一中间层与第一卷积层进行线性变换，得到相应的第一卷积层特征；

将所述第一中间层与第二卷积层进行线性变换，得到相应的第二卷积层特征；

对所述第一卷积层特征和第二卷积层特征进行维度压缩，得到维度压缩后相应的第一目标卷积层特征和第二目标卷积层特征；

将所述第一目标卷积层特征和第二目标卷积层特征进行相乘，生成相应的第一临时矩阵信息；

对所述第一临时矩阵信息进行归一化处理，生成归一化处理后的第一矩阵信息。

在一些实施例中，所述第二获取单元，具体用于：