[发明专利]基于人工智能的图像处理方法、装置、设备及存储介质

说明书

本发明公开一种基于人工智能的图像处理方法、装置、设备及存储介质。该基于人工智能的图像处理方法包括获取图像加载请求，所述图像加载请求包括图像标识；基于所述图像标识和本地图集，获取原始图像数据；对所述原始图像数据进行图像预处理，得到目标图像数据；将深度学习框架中训练好的预测模型文件作为静态变量进行加载；采用所述预测模型文件对所述目标图像数据进行图像预测，获取图像预测结果。本发明还涉及区块链技术，所述目标图像数据存储于区块链中。该基于人工智能的图像处理方法可有效提高图像预测的效率。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于人工智能的图像处理方法、装置、设备及存储介质。

背景技术

随着深度学习框架的日趋成熟，其不仅在CPU、GPU、云端有着广泛的使用，甚至目前也有许多深度学习框架运行在移动终端，例如tensorflow lite框架。Tensorflow lite框架可以在iOS和安卓系统上很好的运行。通过加载训练好的模型，将处理好的输入的数据给到框架，就可以快速的得到预测结果。

具体地，tensorflow lite框架运用在计算机设备中的实现流程，大致有三个阶段：首先加载需要进行预测的图片，此过程中如果图片的数量很小，出现的问题相对来说较小。但是图片数量并未明确，可能数量较大(如上百张)，此时如果大量的图片直接加载，很可能会因为内存问题而导致程序出现崩溃等问题。其次，对加载好的图片进行预处理，传统的图片预处理使用CoreGraphics框架进行图片预处理，十分耗费时长。然后，对处理好的图片进行预测，而对于单次模型预测来说，每调用一次模型就会重新加载模型并执行预测程序，针对庞大的预测次数，如此进行反复的模型加载，相当耗时。最后在模型预测的过程中，传统的方式都是采用串行的方式去完成，时间开销大。

发明内容

本发明实施例提供一种基于人工智能的图像处理方法、装置、设备及存储介质，以解决目前运用在计算机设备中的深度学习框架在单次模型预测时，每调用一次模型就会重新加载模型并执行预测程序，效率低的问题。

一种基于人工智能的图像处理方法，包括：

获取图像加载请求，所述图像加载请求包括图像标识；

基于所述图像标识和本地图集，获取原始图像数据；

对所述原始图像数据进行图像预处理，得到目标图像数据；

将深度学习框架中训练好的预测模型文件作为静态变量进行加载；

采用所述预测模型文件对所述目标图像数据进行图像预测，获取图像预测结果。

一种基于人工智能的图像处理装置，包括：

图像加载请求获取模块，用于获取图像加载请求，所述图像加载请求包括图像标识；

原始图像数据获取模块，用于基于所述图像标识和本地图集，获取原始图像数据；

目标图像数据获取模块，用于对所述原始图像数据进行图像预处理，得到目标图像数据；

文件加载模块，用于将深度学习框架中训练好的预测模型文件作为静态变量进行加载；

图像预测结果获取模块，用于采用所述预测模型文件对所述目标图像数据进行图像预测，获取图像预测结果。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述基于人工智能的图像处理方法的步骤。

一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述基于人工智能的图像处理方法的步骤。