[发明专利]图像格式转换方法及其装置、设备、介质、产品

权利要求书

1.一种图像格式转换方法，其特征在于，包括：

采集第一数据格式的第一目标图像；

将所述第一目标图像输入至预设的图像格式转换模型中，其中，所述图像格式转换模型预先通过线性损失和非线性损失约束至收敛状态，用于对图像进行格式转换的神经网络模型；

读取所述图像格式转换模型输出的第二目标图像，其中，所述第二目标图像格式为第二数据格式，所述第二数据格式的信息载量大于所述第一数据格式的信息载量。

2.根据权利要求1所述的图像格式转换方法，其特征在于，所述图像格式转换模型包括：第一卷积通道和第二卷积通道，且所述第一卷积通道输出的特征为掩膜特征向量，所述第二卷积通道输出的特征为卷积特征向量。

3.根据权利要求2所述的图像格式转换方法，其特征在于，所述第一卷积通道包括：第一卷积层和第一注意力层，所述第一卷积层与所述第一注意力层级联，且所述第一注意力层连接在所述第一卷积层的输出端，所述第一注意力层包括通道注意力层。

4.根据权利要求2所述的图像格式转换方法，其特征在于，所述第二卷积通道包括：多个级联的特征层，各所述特征层的输出端均连接有第二注意力层，所述第二注意力层包括通道注意力层和空间注意力层。

5.根据权利要求4所述的图像格式转换方法，其特征在于，各所述特征层均包括：多个级联的第二卷积层，各所述第二卷积层的输出端均连接有线性整流层，任一线性整流层的输出均作为排列在所述任一线性整流层之后所有第二卷积层的输入。

6.根据权利要求2所述的图像格式转换方法，其特征在于，所述读取所述图像格式转换模型输出的第二目标图像包括：

读取所述第一卷积通道输出的掩膜特征向量；

将所述掩膜特征向量与所述第一目标图像的数组向量矩阵进行点积运算；

将点积运算的结果与所述第二卷积通道输出的特征向量进行加法运算；

将加法运算得到的结果通过预设的双曲正切函数进行映射后，生成所述第二目标图像。

7.根据权利要求1-6任一项所述的图像格式转换方法，其特征在于，所述图像格式转换模型的训练方法为：

读取待处理的训练样本；

根据预设的图像增强策略，对所述训练样本进行图像增强处理；

将图像增强处理后的训练样本输入至预设的非收敛模型中，其中，所述非收敛模型为所述图像格式转换模型的初始化模型；

读取所述非收敛模型输出的应激图像，并根据预设的线性损失函数和非线性损失函数，计算所述应激图像与所述训练样本中的标注图像之间的损失距离；

根据所述损失距离与预设的回传函数，对所述非收敛模型的权重值进行回调矫正，以使所述应激图像与所述标注图像之间的损失距离趋于预设的目标阈值。

8.一种图像格式转换装置，其特征在于，包括：

采集模块，用于采集第一数据格式的第一目标图像；

处理模块，用于将所述第一目标图像输入至预设的图像格式转换模型中，其中，所述图像格式转换模型预先通过线性损失和非线性损失约束至收敛状态，用于对图像进行格式转换的神经网络模型；

执行模块，用于读取所述图像格式转换模型输出的第二目标图像，其中，所述第二目标图像格式为第二数据格式，所述第二数据格式的信息载量大于所述第一数据格式的信息载量。

9.一种计算机存储介质，其特征在于，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述图像格式转换方法的步骤。

10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至7任意一项中所述方法的步骤。