[发明专利]基于卷积的图像处理方法、装置、介质及电子设备

说明书

本发明实施例涉及图像处理技术领域，提供了一种基于卷积的图像处理方法、基于卷积的图像处理装置、计算机可读介质及电子设备，该方法包括：获取待处理图像的特征矩阵和原始卷积核信息；根据所述原始卷积核信息对所述原始卷积核进行分解获得至少两种卷积核；利用分解后的卷积核对所述特征矩阵进行卷积计算，以完成对所述待处理图像进行压缩处理。本发明实施例的技术方案可以足识别效果的基础上，减少识别时间提高识别效率。

技术领域

本发明涉及图像处理技术领域，具体而言，涉及一种基于卷积的图像处理方法、装置、介质及电子设备。

背景技术

随着图像处理技术的发展以及智能监控和移动设备的日益普及，目标检测越来越广泛地应用到例如人机交互、智能监控、安全检查、数字娱乐、数码相机等各个领域。所谓目标检测，就是在一图像中检测感兴趣的目标(例如，手势、人脸、汽车等)的技术方案，例如，人脸识别在日常生活中变得越来越流行。另外，这里所说的图像可以是照片、静态图片、视频图像等。

近来，采用卷积神经网络方法进行目标检测的技术方案可以对待检测图像的特征进行压缩。然而，目前卷积神经网络中卷积方法存在计算速度慢的问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本发明实施例的目的在于提供一种基于卷积的图像处理方法、装置、介质及电子设备，进而至少在一定程度上克服相关技术中卷积方法存在计算速度慢的问题。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明实施例的第一方面，提供了一种基于卷积的图像处理方法，包括：

获取待处理图像的特征矩阵和原始卷积核信息；

根据所述原始卷积核信息对所述原始卷积核进行分解获得至少两种卷积核；

利用分解后的卷积核对所述特征矩阵进行卷积计算，以完成对所述待处理图像进行压缩处理。

在本发明的一些实施例中，所述待处理图像的特征矩阵大小为h*w*c，所述原始卷积核信息包括：所述原始卷积核的大小为d*d*c，所述原始卷积核的个数为n；

根据所述原始卷积核信息对所述原始卷积核进行分解获得至少两种卷积核，包括：

将n个大小为d*d*c的原始卷积核分解为k个大小为1*d*c的第一卷积核和n个大小为d*1*k的第二卷积核，其中，h、w、d、c、n、k为正数。

在本发明的一些实施例中，利用分解后的卷积核对所述特征矩阵进行卷积计算，包括：

利用k个大小为1*d*c的第一卷积核对大小为h*w*c的待处理图像的特征矩阵进行第一卷积，获得大小为h*w*k的第一压缩特征矩阵；

利用n个大小为d*1*k的第二卷积核对大小为h*w*k的第一压缩特征矩阵进行第二卷积，获得大小为h*w*n的第二压缩特征矩阵。

在本发明的一些实施例中，在利用分解后的卷积核对所述特征矩阵进行卷积计算之前，还包括：

将n个大小为d*1*k的第二卷积核分解为n’个大小为d*1*k的第三卷积核和n个大小为1*1*n’的第四卷积核；

利用分解后的卷积核对所述特征矩阵进行卷积计算，包括：

利用k个大小为1*d*c的第一卷积核对大小为h*w*c的待处理图像的特征矩阵进行第一卷积，获得大小为h*w*k的第一压缩特征矩阵；