[发明专利]基于人工智能的图像处理方法、装置

权利要求书

1.一种基于人工智能的图像处理方法，其特征在于，包括：

获取待处理的第一图片的第一特征信息，其中，所述第一特征信息用于表示所述第一图片；

对所述第一特征信息进行采样，得到第一卷积核，其中，所述第一卷积核记录有所述第一图片的全局信息；

使用所述第一卷积核与第一标准卷积核进行卷积，得到目标神经网络模型中的第一动态卷积核；

将所述第一特征信息与所述第一动态卷积核进行卷积，得到所述第一图片的第一特征集合；

所述对所述第一特征信息进行采样，得到第一卷积核，包括：

对所述第一特征信息W×H×C进行全局平均下采样，得到1×1×C的第一向量，其中，W用于表示所述第一特征信息的宽度，H用于表示所述第一特征信息的长度，C用于表示所述第一特征信息的通道数；

对所述第一向量进行上采样，得到k×k×C的所述第一卷积核，其中，所述k为预设的卷积核大小。

2.根据权利要求1所述的方法，其特征在于，在将所述第一特征信息与所述第一动态卷积核进行卷积，得到所述第一图片的第一特征集合之后，所述方法还包括：

将所述第一标准卷积核进行更新，得到第二标准卷积核。

3.根据权利要求2所述的方法，其特征在于，所述将所述第一标准卷积核进行更新，得到第二标准卷积核，包括：

将所述第一特征信息和所述第一图片的第一特征集合输入损失函数模型，得到目标损失函数值；

基于所述目标损失函数值通过反向传播的方式更新所述第一标准卷积核，得到所述第二标准卷积核。

4.根据权利要求2所述的方法，其特征在于，在将所述第一标准卷积核进行更新，得到第二标准卷积核之后，所述方法还包括：

获取待处理的第二图片的第二特征信息，其中，所述第二特征信息用于表示所述第二图片；

对所述第二特征信息进行采样，得到第二卷积核，所述第二卷积核记录有所述第二图片的全局信息；

使用所述第二卷积核与所述第二标准卷积核进行卷积，得到第二动态卷积核；

将所述第二特征信息与所述第二动态卷积核进行卷积，得到动态更新后的所述第二图片的第二特征集合。

5.根据权利要求1所述的方法，其特征在于，在将所述第一特征信息与所述第一动态卷积核进行卷积，得到所述第一图片的第一特征集合之后，所述方法还包括：

将所述第一特征信息与所述第一图片的所述第一特征集合相加，得到第一输出结果，其中，所述第一输出结果用于识别所述第一图片中的目标对象。

6.根据权利要求5所述的方法，其特征在于，在将所述第一特征信息与所述第一图片的所述第一特征集合相加，得到第一输出结果之后，所述方法还包括以下至少之一：

根据所述第一输出结果确定所述第一图片中的所述目标对象的动作信息；

根据所述第一输出结果确定所述第一图片中的所述目标对象所处的环境信息；

根据所述第一输出结果确定所述第一图片中的所述目标对象。

7.根据权利要求1至4中任一项所述的方法，其特征在于，将所述第一特征信息与所述第一动态卷积核进行卷积，得到所述第一图片的第一特征集合之后，所述方法还包括以下至少之一：

根据所述第一特征集合确定所述第一图片中的目标对象的动作信息；

根据所述第一特征集合确定所述第一图片中的所述目标对象所处的环境信息；

根据所述第一特征集合确定所述第一图片中的所述目标对象。