[发明专利]图像处理方法、装置、电子设备及计算机存储介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取图像中各像素点的像素值；

根据所述图像的像素值和卷积神经网络，确定所述图像的特征图；其中，所述卷积神经网络至少包括第一卷积层和与所述第一卷积层连接的其他网络层，所述卷积神经网络还包括全连接层；所述第一卷积层包括第一预设数量个子卷积层，前一个子卷积层的输出为后一个子卷积层的输入，各子卷积层输出的合并为所述第一卷积层的输出，所述第一预设数量大于或等于2；

所述第一卷积层输出的特征图的通道数与输入的特征图的通道数相同；

所述第一卷积层中各子卷积层的输出的特征图的通道数之和，等于所述第一卷积层输出的特征图的通道数；

所述第一卷积层中后一子卷积层输出的特征图的通道数，小于或等于前一子卷积层输出的特征图的通道数。

2.根据权利要求1所述的方法，其特征在于，所述其他网络层包括第二卷积层或池化层，和/或，所述第一卷积层为所述卷积神经网络的中间网络层。

3.根据权利要求1或2所述的方法，其特征在于，所述卷积神经网络包括第二预设数量个的所述第一卷积层，所述第二预设数量大于或等于2。

4.根据权利要求3所述的方法，其特征在于，所述第二预设数量个的所述第一卷积层中，至少二个所述第一卷积层依次连接。

5.根据权利要求3所述的方法，其特征在于，所述第二预设数量个的所述第一卷积层中，至少二个所述第一卷积层之间通过至少一个所述其他网络层连接。

6.根据权利要求3所述的方法，其特征在于，所述第二预设数量个的所述第一卷积层中：至少二个所述第一卷积层各自包括的子卷积层的数量相同，或者，至少二个所述第一卷积层各自包括的子卷积层的数量不同。

7.根据权利要求1或2所述的方法，其特征在于，所述第一卷积层输出的特征图的长度和宽度与输入的特征图的长度和宽度相同。

8.根据权利要求1所述的方法，其特征在于，所述第一卷积层中第一个子卷积层对应的卷积核小于其他子卷积层对应的卷积核。

9.根据权利要求1所述的方法，其特征在于，所述根据所述图像的像素值和卷积神经网络，确定所述图像的特征图之前，所述方法还包括：

获取多个训练样本；

将多个所述训练样本输入所述卷积神经网络中，对所述卷积神经网络进行训练。

10.根据权利要求9所述的方法，其特征在于，所述将多个所述训练样本输入所述卷积神经网络中，对所述卷积神经网络进行训练之后，所述方法还包括：

对训练后的卷积神经网络的参数进行压缩，获得第一卷积神经网络；

检测所述第一卷积神经网络的准确率，若所述第一卷积神经网络的准确率大于或等于预设准确率，则将所述第一卷积神经网络作为训练完成的卷积神经网络；

若所述第一卷积神经网络的准确率小于所述预设准确率，则对所述第一卷积神经网络的参数进行调整，使得调整后的第一卷积神经网络的准确率大于或等于所述预设准确率，将调整后的第一卷积神经网络作为训练完成的卷积神经网络。

11.根据权利要求1所述的方法，其特征在于，所述根据所述图像的像素值和卷积神经网络，确定所述图像的特征图之后，所述方法还包括：

根据所述图像的特征图，确定所述图像中目标物体的类别。

12.根据权利要求1所述的方法，其特征在于，所述根据所述图像的像素值和卷积神经网络，确定所述图像的特征图之后，所述方法还包括：

根据所述图像的特征图，获得所述图像中目标物体对应的检测框，所述检测框为包围所述目标物体的矩形框；

确定所述检测框中所述目标物体的类别；

根据所述目标物体的类别，对所述检测框进行调整，确定所述目标物体在所述图像中的位置。