[发明专利]图像处理方法及装置、芯片、设备、存储介质

说明书

本申请提供了图像处理方法及装置、芯片、设备、存储介质；其中，所述方法包括：对待处理图像数据进行卷积操作，得到第一特征数据；对所述第一特征数据进行转换操作，得到第二特征数据；其中，所述转换操作包括：采用自注意力机制对所述第一特征数据进行处理，得到第三特征数据；以及基于所述第一特征数据和所述第三特征数据，确定所述第二特征数据；基于所述第二特征数据，执行图像处理任务。

技术领域

本申请涉及人工智能技术，涉及但不限于图像处理方法及装置、芯片、设备、存储介质。

背景技术

随着人工智能技术的发展，神经网络模型广泛应用于图像分类、图像检测图像增强和图像分割等众多图像处理领域，训练好的神经网络模型能够提取待处理图像数据的特征以执行相应的图像处理任务；可见，为了提高执行图像处理任务的准确率和效率，提升神经网络模型提取特征的精度和效率是非常有益的。

发明内容

有鉴于此，本申请提供的图像处理方法及装置、芯片、设备、存储介质，能够提升对待处理图像数据进行特征提取的精度和效率，从而提升图像处理任务的执行效率。

根据本申请实施例的一个方面，提供一种图像处理方法，包括：对待处理图像数据进行卷积操作，得到第一特征数据；对所述第一特征数据进行转换操作，得到第二特征数据；其中，所述转换操作包括：采用自注意力机制对所述第一特征数据进行处理，得到第三特征数据；以及基于所述第一特征数据和所述第三特征数据，确定所述第二特征数据；基于所述第二特征数据，执行图像处理任务。

根据本申请实施例的一个方面，提供一种图像处理装置，包括：第一卷积模块，用于对待处理图像数据进行卷积操作，得到第一特征数据；转换模块，用于对所述第一特征数据进行转换操作，得到第二特征数据；其中，所述转换操作包括：采用自注意力机制对所述第一特征数据进行处理，得到第三特征数据；以及基于所述第一特征数据和所述第三特征数据，确定所述第二特征数据；执行模块，用于基于所述第二特征数据，执行图像处理任务。

根据本申请实施例的一个方面，提供一种芯片，包括第一存储器和第一处理器，所述第一存储器存储有可在所述第一处理器上运行的计算机程序，所述第一处理器执行所述程序时实现本申请实施例所述的方法。

根据本申请实施例的一个方面，提供一种电子设备，包括第二存储器和第二处理器，所述第二存储器存储有可在所述第二处理器上运行的计算机程序，所述第二处理器执行所述程序时实现本申请实施例所述的方法。

根据本申请实施例的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本申请实施例提供的所述的方法。

在本申请实施例中，一方面，综合卷积操作和自注意力机制对待处理图像数据进行特征提取，而不仅限于采用以上方式的其中之一进行特征提取，如此，提升了特征提取的精度，即增强了特征的表达能力；另一方面，在采用自注意力机制处理待处理图像数据前，先对待处理图像数据进行了卷积操作，以对待处理图像数据进行下采样，如此，能够减少自注意力机制的计算量，从而提升了特征提取的效率，进而提升图像处理任务的执行效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。

图1为本申请实施例提供的图像处理方法的实现流程示意图；