[发明专利]图像处理方法及装置、存储介质及电子设备

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取训练数据集和多路径搜索空间；

根据所述训练数据集利用非排他映射函数以及预设损失函数更新所述多路径搜索空间的网络架构参数和权重；

响应所述权重和所述网络架构参数满足第一预设条件，在所述多路径搜索空间确定目标网络，以利用所述目标网络完成对图像的处理。

2.根据权利要求1所述的方法，其特征在于，所述训练数据集包括第一训练数据集和第二训练数据集，所述第一训练数据集包括第一输入特征以及第一标准输出特征，根据所述训练数据集利用非排他映射函数以及预设损失函数更新所述多路径搜索空间的权重包括：

将所述第一输入特征输入至所述多路径搜索空间以利用不同的卷积核对所述第一输入特征多路径混合卷积操作得到第一目标输出特征；

根据所述第一目标输出特征和所述第一标准输出特征利用非排他映射函数以及预设损失函数更新所述路劲搜索空间的权重。

3.根据权利要求2所述的方法，其特征在于，所述第二训练数据集包括第二输入特征以及第二标准输出特征，根据所述训练数据集利用非排他映射函数以及预设损失函数更新所述多路径搜索空间的网络架构参数包括：

将所述第二输入特征输入至所述多路径搜索空间以利用不同的卷积核对所述输入特征进行多路径混合卷积操作得到第二目标输出特征；

根据所述第二目标输出特征和所述标准输出特征利用非排他映射函数以及预设损失函数更新所述路劲搜索空间的网络架构参数。

4.根据权利要求1所述的方法，其特征在于，所述多路径搜索空间包括多个有向无环图，所述非排他映射函数为：

其中，是所述有向无环图边e^(i,j)的网络架构参数，o(x)是多路径混合卷积操作，O表示所述多路径搜索空间，x表示输入特征图。

5.根据权利要求4所述的方法，其特征在于，所述预设损失函数包括初始损失函数和目标损失函数，所述目标损失函数满足如下所述条件：

在为0.5时是损失值为零，且在所述为0或1时所述目标损失函数的负损失最大；

在处于第一预设范围内时所述目标损失函数的梯度满足第二预设条件；

在处于第二预设范围内时所述目标损失函数的梯度满足第三预设条件；

在不处于第一预设范围和第二预设范围时，所述目标损失函数的损失值小于等于所述初始损失函数的预设倍数；

所述目标损失函数可微分。

6.根据权利要求5所述的方法，其特征在于，所述预设损失函数为：

L_total＝L_val(w^*(θ)，θ)+ω_极值L_极值

其中，L_total表示所述预设损失函数、θ为所述网络架构参数，w^*(θ)为网络架构参数为θ时的网络权重，ω_极值目标损失函数系数，为定值，L_val(w^*(θ),θ)为初始损失函数，L_极值为所述目标损失函数。

7.根据权利要求1所述的方法，其特征在于，将所述权重和所述网络架构参数满足第一预设条件，在所述多路径搜索空间确定目标网络包括：

响应所述预设损失函数的损失值变化小于等于预设值和/或更新次数大于或等于预设次数，将所述网络架构参数最大的网络架构作为所述目标网络。

8.一种图像处理装置，其特征在于，包括：

获取模块，用于获取训练数据集和多路径搜索空间；

更新模块，用于根据所述训练数据集利用非排他映射函数以及预设损失函数更新所述多路径搜索空间的网络架构参数和权重；

处理模块，用于将所述网络架构参数满足第一预设条件的网络架构作为目标网络，以利用所述目标网络完成对图像的处理。