[发明专利]图像预处理方法和装置、图像处理方法、电子设备及介质

说明书

一种图像预处理方法、图像处理方法、图像预处理装置、电子设备以及计算机可读存储介质。该图像预处理方法包括：获取输入图像；对输入图像进行预处理计算得到计算结果；将计算结果与输入图像进行比较得到变换参数；根据变换参数，对输入图像进行预处理。该方法根据变换参数对图像进行预处理，可以省略硬件的预处理步骤，节约硬件的算力，使得图像处理的效率提高。

技术领域

本公开的实施例涉及一种图像预处理方法、图像预处理装置、图像处理方法、电子设备以及计算机可读存储介质。

背景技术

残差神经网络被广泛应用于图像分类和物体识别，其特点是容易优化，并且能够通过增加网络的深度来提高准确率。ResNet结构是残差神经网络在图像识别中近年来最成功的算法之一。在残差神经网络中，对输入图像数据进行卷积运算之前，往往需要对数据进行预处理，使得数据处理的效率更高。

发明内容

本公开至少一个实施例提供一种图像预处理方法，包括：获取输入图像；对输入图像进行预处理计算得到计算结果；将计算结果与输入图像进行比较得到变换参数；根据变换参数，对输入图像进行预处理。

例如，在本公开一实施例提供的图像预处理方法中，计算结果包括n个第一输出图像矩阵和n个第二输出图像矩阵，n为正整数，变换参数包括第一组变换参数和第二组变换参数，对输入图像进行预处理计算得到计算结果包括：对输入图像进行填充操作得到填充图像矩阵；对填充图像矩阵中的数据进行拆分操作得到n个拆分图像矩阵；对n个拆分图像矩阵进行折叠操作得到n个第一输出图像矩阵和n个第二输出图像矩阵；将计算结果与输入图像进行比较得到变换参数，包括：将n个第一输出图像矩阵与n个拆分图像矩阵进行比较得到第一组变换参数；将n个第二输出图像矩阵与n个拆分图像矩阵进行比较得到第二组变换参数。

例如，在本公开一实施例提供的图像预处理方法中，将n个第一输出图像矩阵与n个拆分图像矩阵进行比较得到第一组变换参数，包括：将n个第一输出图像矩阵的尺寸与n个拆分图像矩阵的尺寸进行比较得到第一组变换参数；将n个第二输出图像矩阵与n个拆分图像矩阵进行比较得到第二组变换参数，包括：将n个第二输出图像矩阵的尺寸与n个拆分图像矩阵进行比较得到第二组变换参数。

例如，在本公开一实施例提供的图像预处理方法中，根据变换参数，对输入图像进行预处理，包括：对输入图像中的数据进行拆分操作得到n个拆分数据矩阵，n为正整数；以及对n个拆分数据矩阵进行填充折叠操作，以得到多个输出数据矩阵，填充折叠操作包括填充操作和折叠操作，对n个拆分数据矩阵进行填充折叠操作，以得到多个输出数据矩阵，包括：加载n个拆分数据矩阵，对所加载的n个拆分数据矩阵进行折叠操作得到2n个折叠数据矩阵，根据变换参数对2n个折叠数据矩阵进行填充操作，以得到多个输出数据矩阵。

例如，在本公开一实施例提供的图像预处理方法中，每个折叠数据矩阵包括四个侧边，填充操作包括多个子填充操作，一个子填充操作被用于执行到一个折叠数据矩阵上，对每个折叠数据矩阵执行的子填充操作包括以下操作中的至少一种：对每个折叠数据矩阵中的至少一个侧边不做任何操作、在每个折叠数据矩阵中的至少一个侧边上增加相应的尺寸的数据、在每个折叠数据矩阵中的至少一个侧边上截取相应的尺寸的数据。

例如，在本公开一实施例提供的图像预处理方法中，每个折叠数据矩阵中的数据在第一方向和第二方向上阵列排布为多行多列，每个折叠数据矩阵的四个侧边包括在第一方向上彼此相对的第一侧边和第二侧边和在第二方向上彼此相对的第三侧边和第四侧边。