[发明专利]模型压缩方法、图像处理方法及相关装置

权利要求书

1.一种模型压缩方法，其特征在于，所述方法包括：

根据待训练数据的特征参数，确定出第一参数集合；

根据所述第一参数集合对初始训练模型进行调整，得到参考训练模型，所述参考训练模型的运算量小于所述初始训练模型；

获取第二参数集合；

根据所述第二参数集合对所述参考训练模型进行压缩，得到目标训练模型，所述目标训练模型的精度与所述参考训练模型的精度属于预设精度范围。

2.根据权利要求1所述的方法，其特征在于，所述第一参数集合包括第一子参数和第二子参数，所述特征参数包括宽高比分布和面积分布，所述根据待训练数据的特征参数，确定出第一参数集合，包括：

根据所述面积分布确定出所述第一子参数；

根据所述宽高比分布，确定出所述第二子参数。

3.根据权利要求2所述的方法，其特征在于，所述根据所述面积分布确定出所述第一子参数，包括：

将所述面积分布划分为M段，M为正整数；

获取所述M段中的每一段的均值；

根据所述均值确定出所述第一子参数。

4.根据权利要求2或3所述的方法，其特征在于，所述根据所述宽高比分布，确定出所述第二子参数，包括：

将所述宽高比分布划分为N段，N为正整数；

获取所述N段中的每一段的均值；

将所述均值确定为所述第二子参数。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述获取第二参数集合包括：

根据预设的模型精度和模型计算量，确定出所述第二参数集合。

6.根据权利要求5所述的方法，其特征在于，所述第二参数集合包括卷积核大小、通道数目和精度参数。

7.根据权利要求1至6任一项所述的方法，其特征在于，所述方法还包括：

通过所述第一待训练数据集对所述目标训练模型进行训练，得到第一训练模型；

通过所述第二待训练数据集对所述第一训练模型进行训练，得到第二训练模型。

8.根据权利要求7所述的方法，其特征在于，所述通过所述第一待训练数据集对所述目标训练模型进行训练，得到第一训练模型之前，所述方法还包括：

获取所述待训练数据中的待检测物体的掩膜图；

将所述待检测物体的掩膜图与第一数据集中的图像进行融合，得到第一待训练数据集。

9.根据权利要求7或8所述的方法，其特征在于，所述通过所述第二待训练数据集对所述第一训练模型进行训练，得到第二训练模型之前，包括：

获取所述待训练数据中的待检测物体的掩膜图；

将所述待检测物体的掩膜图与第二数据集中的图像进行融合，得到第二待训练数据集。

10.根据权利要求7至9任一项所述的方法，其特征在于，所述通过所述第二训练数据集对所述第一训练模型进行训练，得到第二训练模型，包括：

获取所述第二待训练数据集中每类数据的权值；

根据所述第二待训练数据集中每类数据和所述每类数据的权值对所述第一训练模型进行训练，得到所述第二训练模型；

和/或，

所述通过所述第一待训练数据集对所述目标训练模型进行训练，得到第一训练模型，包括：

获取第一待训练数据集中每类数据的权值；

根据第一待训练数据集中每类数据和每类数据的权值对目标训练模型进行训练，得到第一训练模型。

11.一种图像处理方法，其特征在于，所述方法包括：

接收待处理图像；

将所述待处理图像输入图像处理模型中进行处理，得到所述目标图像的目标数据；

其中，所述图像处理模型是通过如权利要求1-6任一项所述的模型压缩方法得到的目标训练模型，或者，所述图像处理模型是如权利要求7至11任一项所述的模型压缩方法得到的第二训练模型。