[发明专利]图像处理方法及装置

权利要求书

1.一种图像处理方法，其特征在于，包括：

将原始图像对应的前景图像转换为压缩图像；

预估采用所述原始图像进行深度特征提取所需的第一提取时间和采用所述压缩图像进行深度特征提取所需的第二提取时间；

若所述第一提取时间大于所述第二提取时间，则将所述压缩图像输入深度神经网络模型进行深度特征提取；

若所述第一提取时间小于所述第二提取时间，则将所述原始图像输入深度神经网络模型进行深度特征提取。

2.根据权利要求1所述的方法，其特征在于，所述预估采用所述原始图像进行深度特征提取的第一提取时间和采用所述压缩图像进行深度特征提取的第二提取时间，包括：

获取执行环境信息；

根据所述执行环境信息在数据库中查找所述执行环境信息对应的第一性能记录和第二性能记录，所述数据库包括至少一个适用于原始图像格式的第一性能记录和至少一个适用于压缩图像格式的第二性能记录；

根据所述第一性能记录预估采用所述原始图像进行深度特征提取的第一提取时间，根据所述第二性能记录预估采用所述压缩图像进行深度特征提取的第二提取时间。

3.根据权利要求2所述的方法，其特征在于，所述第一性能记录包括多层中每层对应的第一归一化执行时间和所述每层对应的执行环境信息；

所述根据所述第一性能记录预估采用所述原始图像进行深度特征提取的第一提取时间，包括：

根据所述原始图像计算所述每层对应的数据规模；

根据所述每层对应的第一归一化执行时间和所述每层对应的数据规模预估所述每层对应的第一执行时间；

根据所述每层对应的第一执行时间预估采用所述原始图像进行深度特征提取的第一提取时间。

4.根据权利要求2所述的方法，其特征在于，所述第二性能记录包括多层中每层对应的第二归一化执行时间和所述每层对应的执行环境信息；

所述根据所述第二性能记录预估采用所述压缩图像进行深度特征提取的第二提取时间，包括：

根据所述压缩图像计算所述每层对应的数据规模；

根据所述每层对应的第二归一化执行时间和所述每层对应的数据规模预估所述每层对应的第二执行时间；

根据所述每层对应的第二执行时间计算采用所述压缩图像进行深度特征提取的第二提取时间。

5.根据权利要求1～4任一项所述的方法，其特征在于，所述将所述压缩图像输入深度神经网络模型进行深度特征提取，包括：

将所述原始图像输入原始深度神经网络模型进行深度特征提取。

6.根据权利要求1～4任一项所述的方法，其特征在于，所述将所述压缩图像输入深度神经网络模型进行深度特征提取，包括：

将所述压缩图像输入特定深度神经网络模型进行深度特征提取。

7.根据权利要求1-4任一项所述的方法，其特征在于，所述根据所述第一提取时间和所述第二提取时间确定采用所述原始图像进行深度特征提取或采用所述压缩图像进行深度特征提取之后，还包括：

记录采用所述原始图像进行深度特征提取的所述每层对应的第三执行时间，并根据所述每层对应的第三执行时间更新所述数据库中所述执行环境信息对应的第一性能记录；

或，记录采用所述压缩图像进行深度特征提取的所述每层对应的第四执行时间，并根据所述每层对应的第四执行时间更新所述数据库中所述执行环境信息对应的第二性能记录。

8.根据权利要求1-4任一项所述的方法，其特征在于，所述将原始图像对应的前景图像转换为压缩图像之前，还包括：

生成所述执行环境信息对应的第一性能记录和第二性能记录，并将所述第一性能记录和所述第二性能记录添加至所述数据库。