[发明专利]训练神经网络的方法、图像处理方法及装置

权利要求书

1.一种训练神经网络的方法，其特征在于，包括：

获取训练图像的输入特征图；

使用神经网络的特征提取核，对所述输入特征图进行特征提取处理，得到第一候选特征图，所述特征提取处理使得所述第一候选特征图中的每个元素为所述特征提取核与所述输入特征图中对应位置的数据的L1正则距离；

将所述第一候选特征图与第二候选特征图相加，得到输出特征图，所述第二候选特征图为所述输入特征图中的每个元素对应的数值扩大N倍后得到的特征图，N大于0；

根据所述输出特征图确定所述训练图像的图像处理结果；

根据所述图像处理结果，调整所述神经网络的参数。

2.根据权利要求1所述的方法，其特征在于，所述将所述第一候选特征图与第二候选特征图相加，得到输出特征图，包括：

使用激活函数对所述第一候选特征图进行处理，得到处理后的所述第一候选特征图；

将处理后的所述第一候选特征图与所述第二候选特征图相加，得到输出特征图。

3.根据权利要求2所述的方法，其特征在于，所述使用激活函数对所述第一候选特征图进行处理，包括：

使用幂激活函数增强所述第一候选特征图的高频纹理信息，所述神经网络的参数包括所述幂激活函数的参数。

4.根据权利要求1所述的方法，其特征在于，所述根据所述输出特征图确定所述训练图像的图像处理结果，包括：

使用激活函数对所述输出特征图进行处理，得到处理后的所述输出特征图；

根据处理后的所述输出特征图确定所述训练图像的图像处理结果。

5.根据权利要求4所述的方法，其特征在于，所述使用激活函数对所述输出特征图进行处理，包括：

使用幂激活函数增强所述输出特征图的高频纹理信息，所述神经网络的参数包括所述幂激活函数的参数。

6.根据权利要求3或5所述的方法，其特征在于，所述幂激活函数为：

其中，Y为输入所述幂激活函数的特征图，sign(·)是符号函数，|·|为绝对值运算，α为所述幂激活函数的参数，α0。

7.一种图像处理方法，其特征在于，包括：

获取待处理图像的输入特征图；

使用预设的神经网络对所述输入特征图进行图像处理，得到所述待处理图像的图像处理结果；

其中，所述神经网络是通过所述权利要求1至6中任一项所述的方法训练后得到的。

8.根据权利要求7所述的方法，其特征在于，所述图像处理包括图像超分处理、图像去噪处理、图像去马赛克处理及图像去模糊处理中的至少一种。

9.一种训练神经网络的装置，其特征在于，包括：

获取单元，用于获取训练图像的输入特征图；

特征提取单元，用于使用神经网络的特征提取核，对所述输入特征图进行特征提取处理，得到第一候选特征图，所述特征提取处理使得所述第一候选特征图中的每个元素为所述特征提取核与所述输入特征图中对应位置的数据的L1正则距离；

处理单元，用于将所述第一候选特征图与第二候选特征图相加，得到输出特征图，所述第二候选特征图为所述输入特征图中的每个元素对应的数值扩大N倍后得到的特征图，N大于0；

图像处理单元，根据所述输出特征图确定所述训练图像的图像处理结果；

调整单元，用于根据所述图像处理结果，调整所述神经网络的参数。

10.根据权利要求9所述的装置，其特征在于，所述处理单元具体用于：

使用激活函数对所述第一候选特征图进行处理，得到处理后的所述第一候选特征图；

将处理后的所述第一候选特征图与所述第二候选特征图相加，得到输出特征图。