图像处理方法、图像处理装置、设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114998583A(43)申请公布日2022.09.02(21)申请号202210508634.2G06N3/08(2006.01)(22)申请日2022.05.11(71)申请人平安科技（深圳）有限公司地址518000广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼(72)发明人司世景王健宗(74)专利代理机构广州嘉权专利商标事务所有限公司44205专利代理师廖慧贤(51)Int.Cl.G06V10/26(2022.01)G06V10/80(2022.01)G06V10/82(2022.01)G06N3/04(2006.01)权利要求书2页说明书13页附图5页(54)发明名称图像处理方法、图像处理装置、设备及存储介质(57)摘要本实施例提供图像处理方法、图像处理装置、设备及存储介质，属于人工智能技术领域，该方法包括：获取待处理的原始图像；将原始图像输入至预设的神经网络模型；其中，神经网络模型包括：编码器、残差模块和解码器；通过编码器对原始图像进行编码处理，得到初始特征图；基于残差模块的自注意力机制对初始特征图进行自注意力处理，得到初始特征信息；基于残差模块的门控机制对初始特征信息进行筛选处理，得到目标特征信息；将目标特征信息和初始特征图进行融合处理，得到初步特征图；通过解码器对初步特征图进行解码处理，得到目标图像。本公开实施例能够加强了编码器和解码器之间的信息交互以提高了分割精度。CN114998583ACN114998583A权利要求书1/2页1.一种图像处理方法，其特征在于，所述方法包括：获取待处理的原始图像；将所述原始图像输入至预设的神经网络模型；其中，所述神经网络模型包括：编码器、残差模块和解码器；通过所述编码器对所述原始图像进行编码处理，得到初始特征图；基于所述残差模块的自注意力机制对所述初始特征图进行自注意力处理，得到初始特征信息；基于所述残差模块的门控机制对所述初始特征信息进行筛选处理，得到目标特征信息；将所述目标特征信息和所述初始特征图进行融合处理，得到初步特征图；通过所述解码器对所述初步特征图进行解码处理，得到目标图像。2.根据权利要求1所述的图像处理方法，其特征在于，所述基于所述残差模块的自注意力机制对所述初始特征图进行自注意力处理，得到初始特征信息，包括：获取所述初始特征图的初始层级；基于所述自注意力机制对所述初始特征图进行卷积处理，得到初始张量；根据所述初始层级获取预设位置扰动；基于所述自注意力机制将所述初始张量和所述预设位置扰动进行数据相加，得到目标张量；基于所述自注意力机制将所述目标张量和预设特征矩阵进行数据相乘，得到所述初始特征信息。3.根据权利要求2所述的图像处理方法，其特征在于，所述基于所述自注意力机制对所述初始特征图进行卷积处理，得到初始张量，包括：基于所述自注意力机制对所述初始特征图进行分组卷积，得到多个卷积特征图；基于所述自注意力机制将预设卷积和所述多个卷积特征图进行特征融合，得到所述初始张量。4.根据权利要求2所述的图像处理方法，其特征在于，在根据所述初始层级获取预设位置扰动之前，所述方法还包括：生成所述预设位置扰动，具体包括：获取前级张量；其中，所述前级张量是所述初始层级的前一层级的张量；对所述前级张量进行降维处理，以得到目标向量；将所述目标向量和预设权重矩阵进行数据相乘，生成所述预设位置扰动。5.根据权利要求2所述的图像处理方法，其特征在于，所述根据所述初始层级获取预设位置扰动，包括：根据所述初始层级获取所述初始特征图的维数，得到初始维数；根据所述初始维数获取维数相同的所述预设位置扰动。6.根据权利要求1至5任一项所述的图像处理方法，其特征在于，所述基于所述残差模块的门控机制对所述初始特征信息进行筛选处理，得到目标特征信息，包括：基于所述门控机制对所述初始特征信息进行特征分析，得到分析结果；根据所述分析结果对所述初始特征信息进行筛选处理，得到所述目标特征信息。2CN114998583A权利要求书2/2页7.根据权利要求6所述的图像处理方法，其特征在于，所述门控机制为预设Sigmoid函数，所述基于所述门控机制对所述初始特征信息进行特征分析，得到分析结果，包括：根据所述预设Sigmoid函数对所述初始特征信息进行特征分析，得到特征值；将所述特征值和零值进行比较，得到所述分析结果。8.一种图像处理装置，其特征在于，所述装置包括：获取模块，用于获取待处理的原始图像；输入模块，用于将所述原始图像输入至预设的神经网络模型；其中，所述神经网络模型包括：编码器、残差模块和解码器；所述编码器，用于对所述原始图像进行编码处理，得到初始特征图；所述残差模块，用于根据自注意力机制对所述初始特征图进行自注意力处理，得到