本公开实施例公开了一种图像压缩方法、装置、系统、电子设备及存储介质，其中，方法包括：获取待压缩图像；将所述待压缩图像输入到预设图像压缩模型中，得到与所述待压缩图像对应的目标压缩图像；其中，所述预设图像压缩模型的模型训练样本对包括原始样本图像和压缩样本图像，其中，所述压缩样本图像是采用预设图像编解码器对所述原始样本图像进行压缩处理得到的图像。本公开实施例公开的技术方案，解决了图像编解码器进行图像压缩处理耗时长的问题，实现了图像编解码器的网络化，提高图像压缩的效率。缩的效率。缩的效率。
【技术实现步骤摘要】
图像压缩方法、装置、电子设备和存储介质
[0001]本公开实施例涉及人工智能
，尤其涉及一种图像压缩方法、装置、电子设备和存储介质。
技术介绍
[0002]Guetzli编码器的算法实现过程是一个对目标处理图像进行迭代优化的过程，在对图像进行压缩的过程中尽量保留了视觉信息，能够得到质量损失小且压缩率在20
‑
30％编码图像。
[0003]但是，Guetzli编码器在处理图像的过程中，需要在迭代过程中探索最优解，耗时较长，特别是对于偏大的图像，Guetzli的编解码过程对CPU需求较大，不仅耗时长还会占用较大的内存，导致在实际应用中，无法满足线上需求。
技术实现思路
[0004]本公开提供一种图像压缩方法、装置、电子设备和存储介质，以实现预设图像编解码器的网络化，更高效的实现预设图像编解码器的图像压缩效果。
[0005]第一方面，本公开实施例提供了一种图像压缩方法，该方法包括：
[0006]获取待压缩图像；
[0007]将所述待压缩图像输入到预设图像压缩模型中，得到与所述待压缩图像对应的目标压缩图像；
[0008]其中，所述预设图像压缩模型的模型训练样本对包括原始样本图像和压缩样本图像，其中，所述压缩样本图像是采用预设图像编解码器对所述原始样本图像进行压缩处理得到的图像。
[0009]第二方面，本公开实施例还提供了一种图像压缩装置，该装置包括：
[0010]图像获取模块，用于获取待压缩图像；
[0011]图像压缩模块，用于将所述待压缩图像输入到预设图像压缩模型中，得到与所述待压缩图像对应的目标压缩图像；
[0012]其中，所述预设图像压缩模型的模型训练样本对包括原始样本图像和压缩样本图像，其中，所述压缩样本图像是采用预设图像编解码器对所述原始样本图像进行压缩处理得到的图像。
[0013]第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：
[0014]一个或多个处理器；
[0015]存储装置，用于存储一个或多个程序，
[0016]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本公开实施例任一所述的图像压缩方法。
[0017]第四方面，本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的图像压
缩方法。
[0018]本公开实施例，通过在获取待压缩图像之后，将待压缩图像输入到预设图像压缩模型中，得到与待压缩图像对应的目标压缩图像；其中，预设图像压缩模型是基于各原始样本图像和各原始样本图像经过预设图像编解码器压缩处理后的压缩图像组成的样本对组成的样本集合训练生成的模型，那么预设图像压缩模型就相应的具有了预设图像编解码器的图像压缩功能，解决了图像编解码器进行图像压缩处理耗时长的问题，实现了预设图像编解码器的网络化，可以提高图像压缩的效率。
附图说明
[0019]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
[0020]图1是本公开实施例所提供的一种图像压缩方法流程示意图；
[0021]图2是本公开实施例所提供的一种图像压缩方法流程示意图；
[0022]图3是本公开实施例所提供的一种预设图像压缩网络结构示意图；
[0023]图4是本公开实施例所提供的一种预设图像压缩网络结构示意图；
[0024]图5是本公开实施例所提供的一种图像压缩方法流程示意图；
[0025]图6是本公开实施例所提供的一种图像压缩模型训练全过程示意图；
[0026]图7是本公开实施例所提供的一种图像压缩方法流程示意图；
[0027]图8是本公开实施例所提供的一种图像压缩后失真示意图；
[0028]图9是本公开实施例所提供的一种图像压缩模型训练全过程示意图；
[0029]图10是本公开实施例所提供的一种图像压缩装置结构示意图；
[0030]图11是本公开实施例所提供的一种电子设备的结构示意图。
具体实施方式
[0031]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0032]应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
[0033]本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
[0034]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0035]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域
技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0036]本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0037]可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
[0038]图1为本公开实施例所提供的一种图像压缩方法的流程示意图，本公开实施例适用于对图像进行压缩处理的情形，该方法可以由图像压缩装置来执行，该装置可以通过软件和/或硬件的形式实现，可选的，通过电子设备来实现，该电子设备可以是移动终端、PC端或服务器等。
[0039]如图1所示，所述图像压缩方法包括：
[0040]S110、获取待压缩图像。
[0041]其中，待压缩图像可以是在任意场景下有压缩需求的图像，例如，在社交媒体应用中，需要进行图像压缩后传输的情况，先要对待压缩图像进行图像压缩处理，直到满足预设的图像大小传输标准时，才能进一步的实现图像传输或交互。
[0042]S120、将所述待压缩图像输入到预设图像压缩模型中，得到与所述待压缩图像对应的目标压缩图像。
[0043]其中，预设图像压缩模型的模型训练样本对包括原始样本图像和压缩样本图像，而压缩样本图像是采用预设图像编解本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像压缩方法，其特征在于，包括：获取待压缩图像；将所述待压缩图像输入到预设图像压缩模型中，得到与所述待压缩图像对应的目标压缩图像；其中，所述预设图像压缩模型的模型训练样本对包括原始样本图像和压缩样本图像，其中，所述压缩样本图像是采用预设图像编解码器对所述原始样本图像进行压缩处理得到的图像。2.根据权利要求1所述的方法，其特征在于，所述预设图像压缩模型对所述待压缩图像进行图像压缩的过程，包括：对所述待压缩图像进行图像预处理，得到预设尺寸的一个或多个子待压缩图像块；分别将各所述子待压缩图像块输入到预设图像压缩神经网络中进行图像压缩，得到对应的子图像压缩结果；将各所述子图像压缩结果进行图像拼接，得到所述目标压缩图像。3.根据权利要求2所述的方法，其特征在于，所述预设图像压缩神经网络的训练过程，包括：获取所述模型训练样本对经过所述图像预处理，得到的一个或多个原始样本图像块和压缩样本图像块，并将各所述原始样本图像块输入到初始图像压缩网络中的编码器中，进行特征提取，得到对应的样本编码特征；基于第一预设解码器对所述样本编码特征进行特征解码处理，得到初步压缩图像块，并基于所述初步压缩图像块和对应的所述压缩样本图像块计算第一损失函数；基于第二预设解码器对所述样本编码特征进行特征解码处理，得到初步重建图像块，并基于所述初步重建图像块和所述原始样本图像块或与所述原始样本图像块对应的高分辨率原始图像块，计算第二损失函数；根据所述第一损失函数和所述第二损失函数的结果迭代更新所述初始图像压缩网络，当所述第一损失函数和所述第二损失函数的加权和值满足预设收敛条件时，完成模型训练过程。4.根据权利要求2所述的方法，其特征在于，所述对所述待压缩图像进行图像预处理，得到预设尺寸的多个子待压缩图像块，包括：对所述待压缩图像进行边缘填充，得到目标尺寸图像；将所述目标尺寸图像按照预设尺寸进行切割，得到预设尺寸的多个子待压缩图像块。5.根据权利要求1所述的方法，其特征在于，所述模型训练样本对的构建过程包括：获取多个原始样本图像，并将各所述原始样本图像分别输入到所述预设图像编解码器，得到对应的配对压缩图像；分别将各所述原始样本图像与对应的配对压缩图像作为一组样本对，得到第一样本集合。6.根据权利要求5所述的方法，其特征在于，所述模型训练样本对的构建过程，还包括：在得...
【专利技术属性】
技术研发人员：张墨琪，邓伟辉，李小成，
申请(专利权)人：北京字跳网络技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。