[发明专利]图像的处理方法、装置和电子设备

权利要求书

1.一种图像的处理方法，其特征在于，包括：

获取卷积神经网络对图像样本进行卷积操作时对应的卷积操作拓扑图，其中，所述卷积操作拓扑图包括：特征图节点和所述特征图节点之间的带有卷积核卷积通道权重的具有方向性的连边；

分别对所述卷积操作拓扑图中的特征图节点、卷积核卷积通道权重进行显著性判断，并根据显著性判断结果去除所述卷积操作拓扑图中的第一目标特征图节点和目标连边，得到第一剪枝训练后的卷积操作拓扑图；

对所述第一剪枝训练后的卷积操作拓扑图中的相同卷积层得到的特征图节点之间进行相似性判断，并根据相似性判断结果去除所述第一剪枝训练后的卷积操作拓扑图中的第二目标特征图节点，得到第二剪枝训练后的卷积操作拓扑图；

对所述第二剪枝训练后的卷积操作拓扑图中的每个特征图节点进行重要性判断，并根据所述重要性判断结果去除所述第二剪枝训练后的卷积操作拓扑图中的第三目标特征图节点，得到目标剪枝训练后的卷积操作拓扑图，进而得到剪枝训练后的卷积神经网络；

利用所述剪枝训练后的卷积神经网络对待处理图像进行图像处理，得到图像处理结果。

2.根据权利要求1所述的方法，其特征在于，对所述卷积操作拓扑图中的特征图节点进行显著性判断，包括：

根据特征图节点显著性计算算式计算每一卷积层得到的各个特征图节点的显著性，其中，表示第l个卷积层第i个卷积核对应的特征图节点的显著性，表示特征图节点在第j个图像样本下的特征图节点，表示特征图节点的F-范数，表示特征图节点的方差，b表示批尺寸；

在每一卷积层得到的各个特征图节点的显著性中，计算所述各个特征图节点的显著性的第一均值、第一中位数和第一众数；

基于所述第一均值、所述第一中位数和所述第一众数，在每一卷积层得到的各个特征图节点中确定所述第一目标特征图节点，进而得到所述卷积操作拓扑图中的第一目标特征图节点。

3.根据权利要求2所述的方法，其特征在于，基于所述第一均值、所述第一中位数和所述第一众数，在每一卷积层得到的各个特征图节点中确定所述第一目标特征图节点，包括：

当所述第一均值大于所述第一中位数，且所述第一中位数大于所述第一众数时，在每一卷积层得到的各个特征图节点中，将所述各个特征图节点的显著性中不小于所述第一均值的第一目标显著性对应的特征图节点作为所述第一目标特征图节点；

当所述第一均值小于所述第一中位数，且所述第一中位数小于所述第一众数时，在每一卷积层得到的各个特征图节点中，将所述各个特征图节点的显著性中不大于所述第一均值的第二目标显著性对应的特征图节点作为所述第一目标特征图节点；

当所述第一均值等于所述第一中位数，且所述第一中位数等于所述第一众数时，在每一卷积层得到的各个特征图节点中，将所述各个特征图节点的显著性中与所述第一均值的差的绝对值大于第一预设值的第三目标显著性对应的特征图节点作为所述第一目标特征图节点，其中，所述第一预设值为所述各个特征图节点的显著性的方差。

4.根据权利要求1所述的方法，其特征在于，对所述卷积操作拓扑图中的卷积核卷积通道权重进行显著性判断，包括：

计算每一卷积层的各个卷积核卷积通道权重的F-范数，并将所述各个卷积核卷积通道权重的F-范数作为对应卷积核卷积通道权重的显著性；

在每一卷积层的各个卷积核卷积通道权重的显著性中，计算所述各个卷积核卷积通道权重的显著性的第二均值、第二中位数和第二众数；

基于所述第二均值、所述第二中位数和所述第二众数，在每一卷积层的各个卷积核卷积通道权重中确定目标卷积核卷积通道权重，并将所述目标卷积核卷积通道权重对应的连边作为所述目标连边，进而得到所述卷积操作拓扑图中的目标连边。