[发明专利]图像处理模型的构建方法、装置、终端及可读存储介质

权利要求书

1.一种图像处理模型的构建方法，其特征在于，所述方法包括：

获取基于卷积神经网络的预训练模型；

对所述预训练模型进行迁移学习，以构建目标模型，其中所述目标模型包括输入层和至少一个卷积层；

获取当前的待处理图像的通道数，并将所述输入层的输入数据中图像通道数配置为所述待处理图像的通道数；

将最接近所述输入层的卷积层作为目标卷积层，将经所述输入层配置后的所述输入数据输入至所述目标卷积层；

根据所述预训练模型，将所述目标卷积层对应第一权重中的输入通道数配置为所述待处理图像的通道数。

2.如权利要求1所述的图像处理模型的构建方法，其特征在于，所述根据所述预训练模型，将所述目标卷积层对应第一权重中的输入通道数配置为所述待处理图像的通道数的步骤，包括：

获取所述预训练模型中的目标卷积层所对应的第二权重；

根据所述第二权重映射出第一矩阵，其中所述第一矩阵的行向量的个数对应着所述第二权重中的输入通道数；将所述第一矩阵剪切为若干个行向量，并根据所述若干个行向量拼接为第二矩阵，其中所述第二矩阵的行向量的个数对应着所述待处理图像的通道数；

或者，根据所述第二权重映射出第一矩阵，其中所述第一矩阵的列向量的个数对应着所述第二权重中的输入通道数；将所述第一矩阵剪切为若干个列向量，并根据所述若干个列向量拼接为第二矩阵，其中所述第二矩阵的列向量的个数对应着所述待处理图像的通道数；

将构建的所述第二矩阵映射于所述第一权重。

3.如权利要求2所述的图像处理模型的构建方法，其特征在于，所述将构建的所述第二矩阵映射于所述第一权重的步骤，包括：

根据所述预设缩放值将所述第二矩阵进行缩放，并将缩放后的所述第二矩阵映射于所述第一权重。

4.如权利要求3所述的图像处理模型的构建方法，其特征在于，所述预设缩放值是所述第二权重中的输入通道数与所述第一权重中的输入通道数的比值。

5.如权利要求1所述的图像处理模型的构建方法，其特征在于，所述对所述预训练模型进行迁移学习，以构建目标模型，其中所述目标模型包括输入层和至少一个卷积层的步骤，包括：

根据所述预训练模型以构建所述目标模型，其中将所述预训练模型中除了目标卷积层之外的其他卷积层所对应的权重对应配置至所述目标模型的卷积层所对应的权重。

6.如权利要求1所述的图像处理模型的构建方法，其特征在于，所述对所述预训练模型进行迁移学习，以构建目标模型，其中所述目标模型包括输入层和至少一个卷积层的步骤之前，包括：

获取所述待处理图像，并将所述待处理图像进行处理分析以获得所述待处理图像的通道数。

7.如权利要求1所述的图像处理模型的构建方法，其特征在于，所述根据所述预训练模型，将所述目标卷积层对应第一权重中的输入通道数配置为所述待处理图像的通道数的步骤之后，包括：

获取所述待处理图像；

将所述待处理图像作为训练图像输入至所述目标模型以进行检验调节，并输出经检验调节后的所述目标模型。

8.一种图像处理模型的构建装置，其特征在于，所述装置包括：

模型获取模块，用于获取基于卷积神经网络的预训练模型；

构建模块，用于对所述预训练模型进行迁移学习，以构建目标模型，并将所述目标模型的输入层的图像通道数配置为待处理图像的通道数；

通道数获取模块，用于获取当前的待处理图像的通道数，并将所述输入层的输入数据中图像通道数配置为待处理图像的通道数；

输入模块，用于将最接近所述输入层的卷积层作为目标卷积层，将经所述输入层的配置后所述输入数据输入至所述目标卷积层；

配置模块，用于根据所述预训练模型，将所述目标卷积层对应所述第一权重中的输入通道数配置为所述待处理图像的通道数。