[发明专利]图像处理方法及装置、神经网络的训练方法、存储介质

说明书

一种图像处理方法及装置、神经网络的训练方法、存储介质。该图像处理方法包括：获取输入图像；以及使用生成网络对输入图像进行处理，以生成输出图像；生成网络包括第一子网络和至少一个第二子网络，使用生成网络对输入图像进行处理，以生成输出图像，包括：使用第一子网络对输入图像进行处理，以得到多个第一特征图；使用至少一个第二子网络对多个第一特征图进行分支处理和权值共享处理，以得到多个第二特征图；以及对多个第二特征图进行处理，以得到输出图像。该图像处理方法结合分支处理和权值共享处理以进行图像增强处理，既可以减少参数数量，又可以便于反向传播时计算梯度，从而，在输出高质量图像的同时还可以提高处理速度和收敛速度。

技术领域

本公开的实施例涉及一种图像处理方法及装置、神经网络的训练方法、存储介质。

背景技术

当前，基于人工神经网络的深度学习技术已经在诸如物体分类、文本处理、推荐引擎、图像搜索、面部识别、年龄和语音识别、人机对话以及情感计算等领域取得了巨大进展。随着人工神经网络结构的加深和算法的提升，深度学习技术在类人类数据感知领域取得了突破性的进展，深度学习技术可以用于描述图像内容、识别图像中的复杂环境下的物体以及在嘈杂环境中进行语音识别等。同时，深度学习技术还可以解决图像生成和融合的问题。

发明内容

本公开至少一个实施例提供一种图像处理方法，包括：获取输入图像；以及使用生成网络对所述输入图像进行处理，以生成输出图像；其中，所述生成网络包括第一子网络和至少一个第二子网络，使用所述生成网络对所述输入图像进行处理，以生成所述输出图像，包括：使用所述第一子网络对所述输入图像进行处理，以得到多个第一特征图；使用所述至少一个第二子网络对所述多个第一特征图进行分支处理和权值共享处理，以得到多个第二特征图；以及对所述多个第二特征图进行处理，以得到输出图像。

例如，在本公开一些实施例提供的图像处理方法中，每个所述第二子网络包括第一分支网络、第二分支网络、第三分支网络，每个所述第二子网络的所述分支处理包括：将每个所述第二子网络的输入划分为第一分支输入、第二分支输入和第三分支输入；以及使用所述第一分支网络对所述第一分支输入进行处理，以得到第一分支输出，使用所述第二分支网络对所述第二分支输入进行处理，以得到第二分支输出，使用所述第三分支网络对所述第三分支输入进行处理，以得到第三分支输出；其中，所述至少一个第二子网络包括第一个第二子网络，所述第一个第二子网络与所述第一子网络连接，所述多个第一特征图作为所述第一个第二子网络的输入。

例如，在本公开一些实施例提供的图像处理方法中，每个所述第二子网络还包括第一主干网络，每个所述第二子网络的所述权值共享处理包括：将所述第一分支输出、所述第二分支输出和所述第三分支输出进行连接，以得到第一中间输出；以及使用所述第一主干网络对所述第一中间输出进行处理，以得到每个所述第二子网络的输出。

例如，在本公开一些实施例提供的图像处理方法中，所述第一分支网络的处理包括标准卷积处理，所述第二分支网络的处理包括标准卷积处理，所述第三分支网络的处理包括标准卷积处理，所述第一主干网络的处理包括标准卷积处理和下采样处理。

例如，在本公开一些实施例提供的图像处理方法中，所述生成网络还包括第三子网络，对所述多个第二特征图进行处理，以得到所述输出图像，包括：对所述多个第二特征图进行处理，以得到多个第三特征图；使用所述第三子网络对所述多个第三特征图进行处理，以得到多个第四特征图；以及对所述多个第四特征图进行合成处理，以得到输出图像。