[发明专利]图像处理方法、装置、计算机设备和可读存储介质

权利要求书

1.一种图像处理方法，所述方法包括：

获取待检测目标的图像；

将所述图像输入至卷积神经网络模型，以获取多个图像特征，其中，所述卷积神经网络模型包括一个或多个依次相连的卷积神经网络单元，每个所述卷积神经网络单元包括至少两个并联的卷积神经网络子单元，所述卷积神经网络子单元包括至少两条并联的深度可分卷积支路，每条所述深度可分卷积支路串联有不同数量的可分卷积层，每个所述卷积神经网络子单元还包括中间层结构，所述中间层包括池化层、自定义层和第一激活层，所述自定义层包括卷积层、归一化层和第二激活层中的至少一个，将每个所述卷积神经网络子单元输出的第一特征数据输入至所述中间层，得到第二特征数据，将所述第一特征数据和所述第二特征数据进行数据融合，得到更新后的所述第一特征数据；

将所述多个图像特征输入至金字塔池化层，得到尺寸相同的多个目标图像特征；

将所述多个目标图像特征输入至全连接层，以获取目标图像。

2.根据权利要求1所述的图像处理方法，其特征在于，所述卷积神经网络模型包括一个或多个依次相连的卷积神经网络单元；所述将所述图像输入至卷积神经网络模型，以获取多个图像特征，包括：

获取图像信息数据；

通过所述卷积神经网络单元对所述图像信息数据进行特征提取，以获取所述多个图像特征；

其中，在第一卷积神经网络单元中，所述图像信息数据为所述待检测目标的图像，在第i卷积神经网络单元中，所述图像信息数据为前一卷积神经网络单元获取到的所述多个图像特征，i为大于1的正整数。

3.根据权利要求2所述的图像处理方法，其特征在于，每个所述卷积神经网络单元包括至少两个并联的卷积神经网络子单元，所述通过所述卷积神经网络单元对所述图像信息数据进行特征提取，以获取多个图像特征，包括：

将所述图像信息数据分别输入至所述至少两个并联的卷积神经网络子单元，以获取每个所述卷积神经网络子单元输出的第一特征数据；

将每个所述卷积神经网络子单元输出的第一特征数据与输入至当前所述卷积神经网络单元的所述图像信息数据进行数据融合，以获取当前所述卷积神经网络单元输出的所述多个图像特征。

4.根据权利要求3所述的图像处理方法，其特征在于，所述卷积神经网络子单元包括至少两条并联的深度可分卷积支路，每条所述深度可分卷积支路串联有不同数量的可分卷积层，所述方法还包括：

将所述图像信息数据分别输入至每个所述卷积神经网络子单元的每条所述深度可分卷积支路，得到多个第三特征数据；

将属于同一所述卷积神经网络子单元的所述多个第三特征数据进行数据融合，以获取当前卷积神经网络子单元输出的第一特征数据。

5.根据权利要求3所述的图像处理方法，其特征在于，所述将每个所述卷积神经网络子单元输出的第一特征数据与输入至当前所述卷积神经网络单元的所述图像信息数据进行数据融合，以获取当前所述卷积神经网络单元输出的所述多个图像特征，包括：

获取数据融合得到的多个中间图像特征；

将所述多个中间图像特征输入拼接层，得到拼接后的全局图像特征；

将所述全局图像特征输入至卷积层，通过所述卷积层对所述全局图像特征进行降维处理，得到与输入当前所述卷积神经网络单元的所述图像信息数据维度相同的所述多个图像特征。