[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，电子装置构建神经网络模型；其中，神经网络模型包括骨架网络和特征融合网络；基于预设骨架网络搜索空间和预设特征融合网络搜索空间，对神经网络模型进行交替式可微分架构搜索训练，获得图像处理模型；利用图像处理模型对待处理图像进行图像处理。

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，这类应用于图像处理的网络，其特征提取网络部分通常基于先验知识采用固定结构，造成了模型性能优化的瓶颈；并且，其模型结构复杂度较高，无法应用在移动端等实时性要求较高的场景，进而降低了图像处理的精度和效果。

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，能够提升图像处理的精度和效果。

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：

构建神经网络模型，其中，所述神经网络模型包括骨架网络和特征融合网络；

基于预设骨架网络搜索空间和预设特征融合网络搜索空间，对所述神经网络模型进行交替式可微分架构搜索训练，获得图像处理模型；

利用所述图像处理模型对待处理图像进行图像处理。

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：构建单元、训练单元以及处理单元，

所述构建单元，用于构建神经网络模型；其中，所述神经网络模型包括骨架网络和特征融合网络；

所述训练单元，用于基于预设骨架网络搜索空间和预设特征融合网络搜索空间，对所述神经网络模型进行交替式可微分架构搜索训练，获得图像处理模型；

所述处理单元，用于利用所述图像处理模型对待处理图像进行图像处理。

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，电子装置构建神经网络模型；其中，神经网络模型包括骨架网络和特征融合网络；基于预设骨架网络搜索空间和预设特征融合网络搜索空间，对神经网络模型进行交替式可微分架构搜索训练，获得图像处理模型；利用图像处理模型对待处理图像进行图像处理。由此可见，在本申请的实施例中，可以先构建包括骨架网络和特征融合网络的神经网络模型，进而基于预设骨架网络搜索空间和预设特征融合网络搜索空间，对神经网络模型进行交替式可微分架构搜索训练，获得图像处理模型；其中，交替式可微分架构搜索训练能够稳定探索图像处理模型的结构，而设计的预设骨架网络搜索空间和预设特征融合网络搜索空间也能够充分利用先验知识，减少无用的搜索计算，从而当利用图像处理模型进行图像处理时，能够提升图像处理的精度和效果。

附图说明

图1为图像处理方法的实现流程示意图；

图2为IAM的示意图；

图3为预设骨架网络的结构示意图；

图4为预设骨架网络搜索空间的示意图；