[发明专利]图像处理方法、装置、计算机可读介质及电子设备

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取待处理的目标图像；

基于残差网络对所述目标图像进行特征提取，得到图像特征信息，所述残差网络包含顺次相连的多个残差块，每个所述残差块包含卷积分支和残差分支，所述卷积分支中的第一卷积层的卷积核大小小于位于所述第一卷积层之后的第二卷积层的卷积核大小，所述第二卷积层的卷积步长大于所述第一卷积层的卷积步长且小于所述第二卷积层的卷积核宽度；

根据所述图像特征信息对所述待处理图像进行识别处理。

2.根据权利要求1所述的图像处理方法，其特征在于，所述残差网络还包含位于所述多个残差块之前的初始卷积层，所述初始卷积层的输出作为所述多个残差块中第一个残差块的输入。

3.根据权利要求1所述的图像处理方法，其特征在于，所述多个残差块构成多个卷积阶段，每个所述卷积阶段中的第一个残差块包含的所述残差分支包含顺次相连的一批量归一化处理层和一目标卷积层。

4.根据权利要求1所述的图像处理方法，其特征在于，所述卷积分支还包括第三卷积层，所述第一卷积层、所述第二卷积层和所述第三卷积层顺次相连；

其中，所述第一卷积层和所述第三卷积层的卷积核大小为1×1、卷积步长为1；所述第二卷积层的卷积核大小为3×3、卷积步长为2。

5.根据权利要求4所述的图像处理方法，其特征在于，所述第一卷积层、所述第二卷积层和所述第三卷积层中的每个卷积层之前均设置有一批量归一化处理层。

6.根据权利要求1至5中任一项所述的图像处理方法，其特征在于，在基于残差网络对所述目标图像进行特征提取之前，还包括：

初始化所述残差网络；

将训练图像样本输入所述残差网络进行迭代训练，直至所述残差网络的损失函数满足收敛条件。

7.根据权利要求6所述的图像处理方法，其特征在于，还包括：

获取所述残差网络中的批量归一化处理层所包含的学习参数；

通过所述学习参数生成所述损失函数的正则项，并将所述正则项添加至所述损失函数中。

8.根据权利要求7所述的图像处理方法，其特征在于，将所述正则项添加至所述损失函数中，包括：

确定所述正则项的系数，所述正则项的系数的数量级小于所述残差网络包含的卷积层的权重的数量级；

基于所述正则项的系数，将所述正则项添加至所述损失函数中。

9.根据权利要求7所述的图像处理方法，其特征在于，通过所述学习参数生成所述损失函数的正则项，包括：

计算所述学习参数的平方和；

将所述平方和的算术平均值作为所述损失函数的正则项。

10.根据权利要求6所述的图像处理方法，其特征在于，在将训练图像样本输入所述残差网络进行迭代训练之前，还包括：

获取用于对残差网络进行训练的样本图像；

从所述样本图像中截取占所述样本图像预定比例、且宽高比为预定比值的图像区域；

将所述图像区域调整为设定尺寸的图像；

对所述设定尺寸的图像进行随机扰动处理，以得到所述训练图像样本。

11.根据权利要求10所述的图像处理方法，其特征在于，所述预定比例为从预定比例区间中随机选取的值，和/或所述预定比值为从预定宽高比区间中随机选取的值。

12.根据权利要求10所述的图像处理方法，其特征在于，对所述设定尺寸的图像进行随机扰动处理，包括：

以第一处理概率对所述设定尺寸的图像进行水平翻转处理；和/或

以第二处理概率对所述设定尺寸的图像进行随机角度的旋转处理，所述随机角度为从预定角度区间中随机选取的值；和/或

以第三处理概率对所述设定尺寸的图像的属性进行调整。