[发明专利]图像处理方法、装置、电子设备及存储介质

说明书

本申请实施例提供了图像处理方法、装置、电子设备及存储介质，该方法包括：基于待处理图像，确定与待处理图像对应的动态卷积神经网络，与待处理图像对应的动态卷积神经网络具有第二动态连接方式和第二操作方式，其中，第二动态连接方式表征所有处理节点中的每一个处理节点各自连接的对象，第二操作方式表征每一个处理节点连接的各对象对应的操作类型；动态卷积神经网络基于第二动态连接方式和第二操作方式对待处理图像进行处理，生成待处理图像的处理结果。提升动态卷积神经网络的性能，同时，增强动态卷积神经网络的表达能力。

技术领域

本申请一些实施例涉及领域，具体涉及图像处理方法、装置及电子设备存储介质。

背景技术

卷积神经网络被广泛应用在图像分类、目标检测等领域。相对于诸如ResNet的静态卷积神经网络，动态卷积神经网络计算复杂度较低，适于在资源受限的设备中落地。

动态卷积神经网络通过神经网络架构搜索算法从原始的卷积神经网络中搜索出。例如，通过DARTS算法在定义的搜索空间下搜索出动态卷积神经网络。相对于原始的卷积神经网络的结构，动态卷积神经网络的结构更简单，以降低计算复杂度。

然而，搜索出的动态卷积神经网络仅相对于原始的卷积神经网络降低了计算的复杂度。在性能方面，搜索出的动态卷积神经网络的性能相对于原始的卷积神经网络没有得到提升，还可能由于相对于原始的卷积神经网络的结构简单，动态卷积神经网络的性能低于原始的卷积神经网络。因此，如何提升动态卷积神经网络的性能成为一个需要解决的问题。

发明内容

本申请一些实施例实施例提供一种图像处理方法、装置、电子设备及存储介质。

本申请一些实施例实施例提供一种图像处理方法，包括：

基于待处理图像，确定与所述待处理图像对应的动态卷积神经网络，所述与所述待处理图像对应的动态卷积神经网络具有第二动态连接方式和第二操作方式，其中，第二动态连接方式表征所有处理节点中的每一个处理节点各自连接的对象，第二操作方式表征每一个处理节点连接的各对象对应的操作类型，所述动态卷积神经网络包括：对象选择网络，用于针对各处理节点，从各处理节点的所有候选对象中选择出该处理节点连接的对象；

所述动态卷积神经网络基于所述第二动态连接方式和第二操作方式对所述待处理图像进行处理，生成所述待处理图像的处理结果。

本申请一些实施例实施例提供一种图像处理装置，包括：

确定单元，被配置为基于待处理图像，确定与所述待处理图像对应的动态卷积神经网络，所述与所述待处理图像对应的动态卷积神经网络具有第二动态连接方式和第二操作方式，其中，第二动态连接方式表征所有处理节点中的每一个处理节点各自连接的对象，第二操作方式表征每一个处理节点连接的各对象对应的操作类型，所述动态卷积神经网络包括：对象选择网络，用于针对各处理节点，从各处理节点的所有候选对象中选择出该处理节点连接的对象；

处理单元，被配置为利用所述动态卷积神经网络基于所述第二动态连接方式和第二操作方式对所述待处理图像进行处理，生成所述待处理图像的处理结果。

本申请实施例提供的图像处理方法、装置，实现了在利用动态卷积神经网络对待处理图像进行处理时，确定针对该待处理图像的第二动态连接方式和第二操作方式。相当于针对该待处理图像，确定动态卷积神经网络的适用于处理该待处理图像的相应的拓扑结构和在动态卷积神经网络的适用于处理该待处理图像的拓扑结构下，将该待处理图像输入到动态卷积神经网络，对处理节点连接的对象的输出进行的操作。从而，使得动态卷积神经网络的拓扑结构是可以变化的，针对不同的待处理图像，均可以利用确定出的适用于处理相应的待处理图像的拓扑结构对待处理图像进行处理，得到待处理图像的处理结果。提升动态卷积神经网络的性能，同时，增强动态卷积神经网络的表达能力。

附图说明