[发明专利]一种图像处理方法、装置、电子设备以及存储介质

说明书

本申请公开了一种图像处理方法，包括：获得待处理图像对应的多个尺度信息，并获得所述待处理图像中的多个图像区域，所述多个图像区域中的不同图像区域分别与所述多个尺度信息中的指定尺度信息对应；分别根据所述指定尺度信息，获得不同图像区域对应的卷积核权重系数，所述不同图像区域对应的卷积核权重系数为所述不同图像区域针对目标卷积神经网络中的卷积核的权重系数；分别根据所述不同图像区域对应的卷积核权重系数和所述目标卷积神经网络中的卷积核，对不同图像区域进行卷积处理，获得针对所述不同图像区域的卷积结果。本申请提供的图像处理方法，提高了卷积神经网络在图像处理过程中的尺度鲁棒性和卷积神经网络的图像处理性能。

技术领域

本申请涉及计算机技术领域，具体涉及一种图像处理方法。本申请同时涉及一种图像处理装置、电子设备以及存储介质。

背景技术

卷积神经网络是一种包含卷积计算且具有深度结构的前馈神经网络，现已被广泛应用于图像处理、自然语言处理等领域。在将卷积神经网络应用于图像处理时的一般思路为：使用已经训练好且具有特定用途的指定卷积神经网络对待处理图像进行图像特征提取，获得待处理图像中有用的图像特征信息，再根据这些有用的图像特征信息获得图像处理的结果，并输出。

在将卷积神经网络应用于图像处理时，由于是通过卷积神经网络对待处理图像做统一的特征提取，卷积神经网络在图像处理过程中的尺度鲁棒性就会较差。这样，就会造成将卷积神经网络应用于对图像尺度信息敏感的图像处理任务时，如：人群计数、物体检测等图像处理任务，会存在图像处理的性能较差的问题。

发明内容

本申请提供一种图像处理方法、装置、电子设备以及存储介质，以提高卷积神经网络在图像处理过程中的尺度鲁棒性，从而提高图像处理的性能。

本申请提供一种图像处理方法，包括：

获得待处理图像对应的多个尺度信息，并获得所述待处理图像中的多个图像区域，所述多个图像区域中的不同图像区域分别与所述多个尺度信息中的指定尺度信息对应；

分别根据所述指定尺度信息，获得不同图像区域对应的卷积核权重系数，所述不同图像区域对应的卷积核权重系数为所述不同图像区域针对目标卷积神经网络中的卷积核的权重系数；

分别根据所述不同图像区域对应的卷积核权重系数和所述目标卷积神经网络中的卷积核，对不同图像区域进行卷积处理，获得针对所述不同图像区域的卷积结果。

可选的，还包括：根据所述针对所述不同图像区域的卷积结果，获得针对所述待处理图像的处理结果。

可选的，所述分别根据所述指定尺度信息，获得不同图像区域对应的卷积核权重系数，包括：

获得高斯卷积核的卷积核尺寸与所述卷积核的卷积核尺寸相同的多个高斯滤波器，所述多个高斯滤波器中的每个高斯滤波器分别对应的不同的指定标准差；

根据所述不同图像区域对应的尺度信息和所述多个高斯滤波器，确定所述不同图像区域对应的卷积核权重系数。

可选的，所述根据所述不同图像区域对应的尺度信息和所述多个高斯滤波器，确定所述不同图像区域对应的卷积核权重系数，包括：

根据所述不同图像区域对应的尺度信息和所述多个高斯滤波器，确定多个高斯滤波器在所述不同图像区域对应的权重值；

根据所述多个高斯滤波器在所述不同图像区域对应的权重值和所述多个高斯滤波器，获得所述不同图像区域对应的卷积核权重系数。

可选的，所述根据所述不同图像区域对应的尺度信息和所述多个高斯滤波器，确定多个高斯滤波器在所述不同图像区域对应的权重值，包括：

根据所述不同图像区域对应的尺度信息和所述多个高斯滤波器，确定所述多个高斯滤波器中的每个高斯滤波器与所述不同图像区域的相关程度；