[发明专利]压缩图像处理方法、装置、电子设备及计算机可读介质

摘要

本发明实施例提供了压缩图像处理方法、装置、电子设备及计算机可读介质，包括：获取格式为JPEG的原始图像，将原始图像进行熵解码和反量化处理，得到预处理的图像；再将预处理的图像进行神经网络算法训练；最后将训练得到的预处理的图像的神经网络的参数对原始图像进行推断，从而得到推断结果，可以在GPU上执行，减少训练所需要的数据解压缩的预处理时间，以及神经网络进行推断的时间。

主权项

1.一种压缩图像处理方法，其特征在于，所述方法包括：获取原始图像，所述原始图像的格式为JPEG格式；将所述原始图像进行熵解码和反量化处理，得到预处理的图像；利用所述预处理的图像进行神经网络算法训练，得到所述预处理的图像的神经网络的参数；通过所述预处理的图像的神经网络的参数对所述原始图像进行推断，从而得到推断结果；所述推断结果包括图片的分类结果、图片检测框和图片语义分割热力图；其中，所述利用所述预处理的图像进行神经网络算法训练，得到所述预处理的图像的神经网络的参数的步骤，包括：将反离散余弦变换、反缩减取样和色彩空间转换的步骤合并到神经网络的卷积层中进行训练，得到预处理的图像的神经网络参数；所述利用所述预处理的图像进行神经网络算法训练，得到所述预处理的图像的神经网络的参数包括，重复执行以下处理，直至达到第一预设条件：确定神经网络模型，并根据所述神经网络模型构建计算图；将所述计算图通过后向传播计算每个层的参数的梯度；将每个所述层的参数的梯度和学习率通过梯度下降法更新每个所述层的参数，从而得到所述预处理的图像的所述神经网络的参数；其中，所述神经网络的参数包括卷积层的参数、池化层的参数和全连接层的参数；其中，所述第一预设条件包括为准确率达到预设阈值或者循环次数达到预设频次。