图像处理方法、装置、存储介质及电子设备制造方法及图纸

本申请公开了一种图像处理方法、装置、存储介质及电子设备，本案通过获取待处理图像和目标图像处理方式，并获取图像处理模型，图像处理模型包括特征提取子网络和多个图像处理子网络，从多个图像处理子网络中确定对应目标图像处理方式的目标图像处理子网络，将待处理图像输入特征提取子网络，得到待处理图像的目标图像特征，将目标图像特征输入目标图像处理子网络进行目标图像处理方式的图像处理，得到图像处理结果。相较于相关技术，在某些需要将图像特征提取作为预处理的图像处理方式下，本申请提供的图像处理模型，在对同一张图像进行处理时，无需对图像进行多次重复的图像特征提取，因此节约了图像处理所花的时间，从而使图像处理的效率提高。像处理的效率提高。像处理的效率提高。

【技术实现步骤摘要】
图像处理方法、装置、存储介质及电子设备


[0001]本申请涉及图像处理
，具体涉及一种图像处理方法、装置、存储介质及电子设备。

技术介绍

[0002]随着图像处理技术的发展，图像处理技术广泛应用于人们的生活中，例如，对相册中的图像进行分类处理、对拍摄得到的质量较差的图像进行修复处理等等。相关技术中，对图像进行某种方式的处理时，可以通过调用该处理方式对应的图像处理模型来对图像进行该种方式的处理。在对图像进行某些特定方式的图像处理时，需要先对图像进行同样的预处理，例如都需要先对图像进行特征提取，则在对同一张图像进行这些特定方式的图像处理时，则需要调用多个对应的图像处理模型，使得需要对该图像进行多次重复的预处理，从而导致图像处理效率较低。

技术实现思路

[0003]本申请实施例提供一种图像处理方法、装置、存储介质及电子设备，能够提高图像处理的准确性。
[0004]第一方面，本申请实施例提供一种图像处理方法，包括：
[0005]一种图像处理方法，其特征在于，包括：
[0006]获取待处理图像和所述待处理图像的目标图像处理方式；
[0007]获取图像处理模型，所述图像处理模型包括特征提取子网络和多个图像处理子网络；
[0008]从所述多个图像处理子网络中确定对应所述目标图像处理方式的目标图像处理子网络；
[0009]将所述待处理图像输入所述特征提取子网络，得到所述待处理图像的目标图像特征；
[0010]将所述目标图像特征输入所述目标图像处理子网络进行所述目标图像处理方式的图像处理，得到对应的图像处理结果。
[0011]第二方面，本申请实施例还提供一种图像处理装置，包括：
[0012]第一获取单元，用于获取待处理图像和所述待处理图像的目标图像处理方式；
[0013]第二获取单元，用于获取图像处理模型，所述图像处理模型包括特征提取子网络和多个图像处理子网络；
[0014]确定单元，用于从所述多个图像处理子网络中确定对应所述目标图像处理方式的目标图像处理子网络；
[0015]特征提取单元，用于将所述待处理图像输入所述特征提取子网络，得到所述待处理图像的目标图像特征；
[0016]图像处理单元，用于将所述目标图像特征输入所述目标图像处理子网络进行所述
目标图像处理方式的图像处理，得到对应的图像处理结果。
[0017]第三方面，本申请实施例还提供一种计算机可读的存储介质，其上存储有计算机程序，当所述计算机程序在计算机上运行时，使得所述计算机执行如本申请任一实施例提供的图像处理方法中的步骤。
[0018]第四方面，本申请实施例还提供一种电子设备，包括处理器和存储器，所述存储器有计算机程序，所述处理器通过调用所述计算机程序，用于执行如本申请任一实施例提供的图像处理方法中的步骤。
[0019]本申请实施例提供的技术方案，获取待处理图像和待处理图像的目标图像处理方式，并获取图像处理模型，图像处理模型包括特征提取子网络和多个图像处理子网络，从多个图像处理子网络中确定对应目标图像处理方式的目标图像处理子网络，将待处理图像输入特征提取子网络，得到待处理图像的目标图像特征，将目标图像特征输入目标图像处理子网络进行目标图像处理方式的图像处理，得到对应的图像处理结果。相较于相关技术，在某些需要将图像特征提取作为预处理的图像处理方式下，本申请提供的图像处理模型，在对同一张图像进行处理时，无需对图像进行多次重复的图像特征提取，因此节约了图像处理所花的时间，从而使图像处理的效率提高。
附图说明
[0020]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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。
[0021]图1为本申请实施例提供的图像处理方法的应用场景示意图。
[0022]图2为本申请实施例提供的图像处理方法的流程示意图。
[0023]图3为本申请实施例提供的图像处理模型的结构示意图。
[0024]图4为本申请实施例提供的特征提取子网络的细化结构示意图。
[0025]图5为本申请实施例提供的图1中S140细化流程示意图。
[0026]图6为本申请实施例提供的transformer模块的细化结构示意图。
[0027]图7为本申请实施例提供的图4中S1410细化流程示意图。
[0028]图8为本申请实施例提供的transformer结构的细化结构示意图。
[0029]图9为本申请实施例提供的图6中S14110细化流程示意图。
[0030]图10为本申请实施例提供的多头自注意力层的细化结构示意图。
[0031]图11为本申请实施例提供的查询分支的细化结构示意图。
[0032]图12为本申请实施例提供的键分支的细化结构示意图。
[0033]图13为本申请实施例提供的值分支的细化结构示意图。
[0034]图14为本申请实施例提供的前馈神经网络层的细化结构示意图。
[0035]图15为本申请实施例提供的图像处理装置的结构示意图。
[0036]图16为本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0037]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本申请的保护范围。
[0038]在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
[0039]注意力机制(Attention Mechanism)借鉴了人类的视觉注意力机制，人类视觉通过快速扫描全局图像，获得需要重点关注的目标区域，也即是注意力焦点，从而对该区域投入更多的注意力资源，获得期望的目标细节信息，同时忽略其它无用信息。例如，人们在阅读时，通常只有少量要被读取的词会被关注和处理。简而言之，注意力机制的核心目标就是从众多信息中筛选出对当前任务更重要的信息。
[0040]注意力机制的本质思想是将源端数据中的构成元素想象成是由一系列的 <Key,Value>数据对构成，此时给定目标端数据中的某个元素Query，通过计算 Query和各个Key的相似性或者相关性，得到每个Key对应Value的权重系数，然后对Value进行加权求和，得到最终的注意力结果。也就是说，注意力机制是对源端数据中元素的Value值进行加权求和，而Q本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：获取待处理图像和所述待处理图像的目标图像处理方式；获取图像处理模型，所述图像处理模型包括特征提取子网络和多个图像处理子网络；从所述多个图像处理子网络中确定对应所述目标图像处理方式的目标图像处理子网络；将所述待处理图像输入所述特征提取子网络，得到所述待处理图像的目标图像特征；将所述目标图像特征输入所述目标图像处理子网络进行所述目标图像处理方式的图像处理，得到对应的图像处理结果。2.如权利要求1所述的图像处理方法，其特征在于，所述确定所述待处理图像的目标图像处理方式，包括：提供图像处理方式选择界面，所述图像处理方式选择界面包括对应不同图像处理方式的多个功能图标；当所述多个功能图标中存在被触发的功能图标时，将所述被触发的功能图标对应的图像处理方式作为所述目标图像处理方式。3.如权利要求1所述的图像处理方法，其特征在于，所述图像处理方式包括图像识别、图像分类、图像分割、图像标注以及图像修复中的至少一种。4.如权利要求1至3任一项所述的图像处理方法，其特征在于，所述特征提取子网络包括N个依次残差连接的transformer模块，N为正整数，所述将所述待处理图像输入所述特征提取子网络，得到所述待处理图像的目标图像特征，包括：将所述待处理图像输入第1个transformer模块，得到1级注意力增强图像特征；将所述待处理图像与第1个transformer模块到第i
‑
1个transformer模块得到的注意力增强图像特征相加，输入第i个transformer模块，得到i级注意力增强图像特征，i∈[2,N]；将所述待处理图像与第1个transformer模块到第N个transformer模块得到的注意力增强图像特征相加，得到所述目标图像特征。5.如权利要求4所述的图像处理方法，其特征在于，所述transformer模块包括M个依次连接的transformer结构，M为正整数，所述将所述待处理图像输入第1个transformer模块，得到1级注意力增强图像特征，包括：将所述待处理图像输入第1个transformer结构，得到1级第1注意力增强图像子特征；将第j
‑
1级第1注意力增强图像子特征输入第j个transformer结构，得到第j级第1注意力增强图像子特征，j∈[2,M]；从第M个transformer结构得到所述1级注意力增强图像特征。6.如权利要求5所述的图像处理方法，其特征在于，所述transformer结构包括依次残差连接的多头自注意力层以及前馈神经网络层，将所述待处理图像输入第1个transformer结构，得到1级第1注意力增强图像子特征，包括：将所述待处理图像输入所述多头自注意力层，得到所述待处理图像的1级第1全局注意力信息；将所述待处理图像和所述1级第1全局注意力信息相加后输入所述前馈神经网络层，得到1级第2全局注意力信息，并将所述待处理图像、所述1级第1全局注意力以及所述1级第2
全局注意力信息相加，得到所述1级第1注意力增强图像子特征。7.如权利要求6所述的图像处理方法，其特征在于，所述多头自注意力层包括查询分支、键分支、值分支、注意力计算单元、归一化处理单元、加权求和单元、尺寸还原单元以及卷积处理单元，所述将所述待处理图像输入所述多头自注意力层，得到所述待处理图像的1级第1全局注意力信息，包括：将所述待处理图像输入查询分支，得到m个查...

【专利技术属性】
技术研发人员：杨捷文，
申请(专利权)人：TCL科技集团股份有限公司，
类型：发明
国别省市：