[发明专利]图像处理方法、电子装置及芯片

说明书

本申请实施例公开了一种图像处理方法、电子装置及芯片，该图像处理方法包括：基于预设搜索空间，使用训练数据集进行网络结构搜索，获得特征提取模型；其中，特征提取模型包括骨架网络和特征融合网络；根据特征提取模型和基于实例激活图的分割模型，构建图像处理模型；通过图像处理模型对待处理图像进行图像处理，获得处理后图像。

技术领域

本发明涉及机器学习技术领域，尤其涉及一种图像处理方法、电子装置及芯片。

背景技术

目前，常常采用神经网络结构搜索(Neural Architecture Search，NAS)、可微分的神经网络自动搜索(Differentiable Architecture Search，DARTS)等技术构建用于实现图像处理的网络结构。

然而，通常应用于图像处理的如Mask RCNN、YOLACT++等模型，由于模型结构复杂度高，或者模型结构设计固定等缺陷，存在无法满足实时性要求高的应用场景、模型性能差的问题，进而降低了图像处理的效率和效果。

发明内容

本申请实施例提供了一种图像处理方法、电子装置及芯片能够满足实时性要求高的应用场景，进而可以提升图像处理的效率和效果。

本申请实施例的技术方案是这样实现的：

第一方面，本申请实施例提供了一种图像处理方法，所述方法包括：

基于预设搜索空间，使用训练数据集进行网络结构搜索，获得特征提取模型；其中，所述特征提取模型包括骨架网络和特征融合网络；

根据所述特征提取模型和基于实例激活图的分割模型，构建图像处理模型；

通过所述图像处理模型对待处理图像进行图像处理，获得处理后图像。

第二方面，本申请实施例提供了一种电子装置，所述电子装置包括：获取单元，构建单元，

所述获取单元，用于基于预设搜索空间，使用训练数据集进行网络结构搜索，获得特征提取模型；其中，所述特征提取模型包括骨架网络和特征融合网络；

所述构建单元，用于根据所述特征提取模型和基于实例激活图的分割模型，构建图像处理模型；

所述获取单元，还用于通过所述图像处理模型对待处理图像进行图像处理，获得处理后图像。

第三方面，本申请实施例提供了一种电子装置，所述电子装置包括处理器、存储有所述处理器可执行指令的存储器，当所述指令被所述处理器执行时，实现如上所述的图像处理方法。

第四方面，本申请实施例提供了一种芯片，所述芯片包括可编程逻辑电路和/或程序指令，当所述芯片运行时，实现如上所述的图像处理方法。

本申请实施例提供了一种图像处理方法、电子装置及芯片，电子装置基于预设搜索空间，使用训练数据集进行网络结构搜索，获得特征提取模型；其中，特征提取模型包括骨架网络和特征融合网络；根据特征提取模型和基于实例激活图的分割模型，构建图像处理模型；通过图像处理模型对待处理图像进行图像处理，获得处理后图像。由此可见，在本申请的实施例中，可以通过特征提取模型和基于实例激活图的分割模型进行图像处理模型的构建，其中，特征提取模型是通过同时对骨架网络和特征融合网络的联合搜索获得的，能够实现轻量级的特征提取，而基于实例激活图的分割模型则可以通过二分图最大匹配方法实现简单高效的实例分割，从而使得图像处理模型可以获得更佳的性能，能够满足实时性要求高的应用场景，进而可以提升图像处理的效率和效果。

附图说明

图1为图像处理方法的实现流程示意图；

图2为骨架网络的网络结构示意图；

图3为下采样模块的网络结构示意图；

图4为瓶颈模块的网络结构示意图；