[发明专利]一种图像处理方法、装置及设备

说明书

本申请提供一种图像处理方法、装置及设备，该方法包括：获取待处理图像对应的输入特征；基于所述输入特征确定移位操作特征，基于所述输入特征和所述移位操作特征确定限定范围特征；基于所述移位操作特征和所述限定范围特征确定所述待处理图像对应的映射特征；基于所述映射特征进行归一化操作，得到归一化特征，并基于所述归一化特征确定所述待处理图像对应的输出特征；基于所述输出特征确定所述待处理图像对应的图像处理结果。通过本申请的技术方案，能够减轻运算复杂度，运算量较小，资源消耗较小。

技术领域

本申请涉及人工智能领域，尤其是一种图像处理方法、装置及设备。

背景技术

机器学习是实现人工智能的一种途径，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习用于研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习更加注重算法设计，使计算机能够自动地从数据中学习规律，并利用规律对未知数据进行预测。

机器学习已经有了十分广泛的应用，如深度学习、数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎、医学诊断、语音和手写识别等。

为了采用机器学习实现人工智能处理，服务器需要获取大量样本数据，并基于这些样本数据训练出机器学习模型，并将该机器学习模型部署到终端设备(如摄像机等)，以使终端设备基于该机器学习模型实现人工智能处理。

但是，由于机器学习模型的处理过程涉及大量复杂运算，如e指数操作的运算等，因此，导致机器学习模型的运算量大，且资源消耗大。

发明内容

本申请提供一种图像处理方法，所述方法包括：

获取待处理图像对应的输入特征；

基于所述输入特征确定移位操作特征，基于所述输入特征和所述移位操作特征确定限定范围特征；基于所述移位操作特征和所述限定范围特征确定所述待处理图像对应的映射特征；基于所述映射特征进行归一化操作，得到归一化特征，并基于所述归一化特征确定所述待处理图像对应的输出特征；

基于所述输出特征确定所述待处理图像对应的图像处理结果。

本申请提供一种图像处理装置，所述装置包括：

获取模块，用于获取待处理图像对应的输入特征；

确定模块，用于基于所述输入特征确定移位操作特征，基于所述输入特征和所述移位操作特征确定限定范围特征；基于所述移位操作特征和所述限定范围特征确定所述待处理图像对应的映射特征；基于所述映射特征进行归一化操作，得到归一化特征，基于所述归一化特征确定待处理图像对应的输出特征；

处理模块，用于基于所述输出特征确定待处理图像对应的图像处理结果。

本申请提供一种图像处理设备，包括：处理器和机器可读存储介质，所述机器可读存储介质存储有能够被处理器执行的机器可执行指令；所述处理器用于执行机器可执行指令，以实现上述示例公开的图像处理方法。

由以上技术方案可见，本申请实施例中，可以将e指数操作的运算替换为移位操作运算和线性运算，即将e指数近似为移位操作(2的指数次方)和线性操作的组合，资源开销会大大减少，且通过引入分段线性操作，提升了近似的精度。上述方式能够减轻运算复杂度，运算量较小，资源消耗较小，减少芯片的资源开销，使得目标网络模型的性能比较大，可以广泛应用于人工智能的各业务场景，如图像分类、目标检测、分割、姿态估计等业务场景。

附图说明

为了更加清楚地说明本申请实施例或者现有技术中的技术方案，下面将对本申请实施例或者现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据本申请实施例的这些附图获得其他的附图。