[发明专利]一种图像处理方法、系统及电子设备

说明书

本申请公开了一种图像处理方法、系统及电子设备，涉及图像处理技术领域。其在卷积神经网络处理过程中，中途分流处一部分数据用来确定输入至卷积神经网络中的图像的一个属性信息，并依次提取出图像中所包含的多个属性信息，由此可以同时输出一个图像中的多个属性信息，提升了卷积神经网络的处理效率，同时每次提取属性信息所需的数据均可以不同，这就使得确定其中一个属性信息时不会受到与该属性信息不相关的其他信息的干扰，提升了卷积神经网络确定出的属性信息的精度。换言之，本方案中的图像处理系统可以同时兼顾卷积神经网络的效率和精度。

技术领域

本申请涉及图像处理技术领域，特别是涉及一种图像处理方法、系统及电子设备。

背景技术

目前，人脸图像中可以具有多种相关属性，例如是否戴眼镜、是否有表情、是否遮挡面部、性别、年龄等多个属性。但当前对于人脸图像中属性的分类算法往往都是一个分类属性对应一个卷积网络模型。这就使得当需要确定人脸图像中的多个属性时，就需要多个卷积网络模型进行运算，致使时间效率低下。

申请内容

本申请提出一种图像处理方法、系统及电子设备，能够通过一个卷积神经网络确定出一个图像中所包含的多个属性信息，提升了图像识别的效率。

本申请第一方面实施例提供了一种图像处理系统，包括：处理器和第一卷积神经网络；

处理器，用于将第一图像输入至第一卷积神经网络的第一输入通道；

第一卷积神经网络包括：第一网络和多个第二网络，第一网络与第一输入通道相连，第一网络中包括多个串行配置的第一子网络，每个第二网络均与一个第一子网络相连，且第二网络的数量小于第一子网络的数量；

其中，第一网络用于提取进入第一输入通道的第一图像的第一图像特征；

多个第二网络中的任一第二网络均用于接收与任一第二网络对应的第一子网络输出的目标图像特征，以及基于目标图像特征确定出第一图像中所包含的一个属性信息。

在一种可能的实现方式中，第一子网络包括：

卷积层，用于提取目标图像特征；

批标准化层，用于压缩卷积层输出的数据；

激活层，用于在批标准化层输出的数据中加入非线性因素。

在一种可能的实现方式中，第二网络包括：

全局平均池化层，用于对接收到的目标图像特征进行池化；

全连接层，用于对从全局平均池化层接收到的数据进行特征空间变换；

softmax层，用于基于全连接层接收到的数据，确定出第一图像中所包含的一个属性信息。

本申请第二方面实施例提供了一种图像处理方法，方法包括：

将第一图像输入至第一卷积神经网络的第一输入通道；

使用所述第一卷积神经网络对第一图像进行处理，确定出第一图像中所包含的多个属性信息；

其中，第一卷积神经网络包括：第一网络和多个第二网络，第一网络与第一输入通道相连，第一网络中包括多个串行配置的第一子网络，每个第二网络均与一个第一子网络相连，且第二网络的数量小于第一子网络的数量，第一网络用于提取进入第一输入通道的第一图像的第一图像特征，多个第二网络中的任一第二网络均用于接收与任一第二网络对应的第一子网络输出的目标图像特征，以及基于目标图像特征确定出第一图像中所包含的一个属性信息。

在一种可能的实现方式中，第一子网络包括：

卷积层，用于提取目标图像特征；

批标准化层，用于压缩卷积层输出的数据；