图像处理方法、模型训练方法、装置和电子设备与流程

1.本公开涉及人工智能领域，具体涉及计算机视觉和深度学习技术。


背景技术：

2.语义分割是常见的图像处理任务。相关技术中，通过增加语义分割模型的输入分辨率、增大模型深度或宽度、增强模型结构等方式，提升语义分割模型的分割能力。与此同时，模型的计算复杂度增加，难以在移动终端上部署。


技术实现要素：

3.本公开提供了一种图像处理方法、模型训练方法、装置和电子设备。
4.根据本公开的一方面，提供了一种图像处理方法，包括：
5.确定待处理图像中的重点区域的位置信息；
6.基于重点区域的位置信息对待处理图像执行变形操作，得到变形图像；
7.基于变形图像进行语义分割，得到第一语义分割结果；
8.对第一语义分割结果执行变形操作的逆操作，得到第二语义分割结果。
9.根据本公开的另一方面，提供了一种模型训练方法，包括：
10.对预设模型进行训练，得到语义分割模型；
11.其中，语义分割模型用于针对待处理图像进行如下处理：
12.确定待处理图像中的重点区域的位置信息；
13.基于重点区域的位置信息对待处理图像执行变形操作，得到变形图像；
14.基于变形图像进行语义分割，得到第一语义分割结果；
15.对第一语义分割结果执行变形操作的逆操作，得到第二语义分割结果。
16.根据本公开的另一方面，提供了一种图像处理装置，包括：
17.空间自注意力模块，用于确定待处理图像中的重点区域的位置信息；
18.空间变换模块，用于基于重点区域的位置信息对待处理图像执行变形操作，得到变形图像；
19.语义分割模块，用于基于变形图像进行语义分割，得到第一语义分割结果；
20.空间逆变换模块，用于对第一语义分割结果执行变形操作的逆操作，得到第二语义分割结果。
21.根据本公开的另一方面，提供了一种模型训练装置，包括
22.训练模块，用于对预设模型进行训练，得到语义分割模型；
23.其中，语义分割模型用于针对待处理图像进行如下处理：
24.确定待处理图像中的重点区域的位置信息；
25.基于重点区域的位置信息对待处理图像执行变形操作，得到变形图像；
26.基于变形图像进行语义分割，得到第一语义分割结果；
27.对第一语义分割结果执行变形操作的逆操作，得到第二语义分割结果。
28.根据本公开的另一方面，提供了一种电子设备，包括：
29.至少一个处理器；以及
30.与该至少一个处理器通信连接的存储器；其中，
31.该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。
32.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开任一实施例中的方法。
33.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开任一实施例中的方法。
34.本公开的技术方案中，先确定待处理图像中的重点区域的位置信息，并基于该信息对待处理图像执行变形操作。由于是基于变形操作后得到的变形图像进行语义分割，再将得到的第一语义分割结果通过逆操作转换为第二语义分割结果，因此，可以通过配置变形操作，实现重点区域的细节放大和非重点区域的空间压缩，使得语义分割的有限的计算量可以作用于需要精细分割的区域。从而可以使用轻量的语义分割模型实现高精度的语义分割能力，有利于在移动终端上部署语义分割模型。
35.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
36.附图用于更好地理解本方案，不构成对本公开的限定。其中：
37.图1是根据本公开一个实施例的图像处理方法的示意图；
38.图2是根据本公开一个实施例的空间自注意力模块的示意图；
39.图3是根据本公开一个实施例的语义分割模型的示意图；
40.图4是根据本公开一个实施例的模型训练方法的示意图；
41.图5是根据本公开一个实施例的图像处理装置的示意图；
42.图6是根据本公开另一个实施例的图像处理装置的示意图；
43.图7是根据本公开一个实施例的模型训练装置的示意图；
44.图8是用来实现本公开实施例的方法的电子设备的框图。
具体实施方式
45.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
46.图1示出了本公开一个实施例提供的图像处理方法的示意图。如图1所示，该方法包括：
47.步骤s110，确定待处理图像中的重点区域的位置信息；
48.步骤s120，基于重点区域的位置信息对待处理图像执行变形操作，得到变形图像；
49.步骤s130，基于变形图像进行语义分割，得到第一语义分割结果；
50.步骤s140，对第一语义分割结果执行变形操作的逆操作，得到第二语义分割结果。
51.上述方法可以由电子设备执行。实际应用中，电子设备可以用于针对待处理图像完成语义分割任务。例如，待处理图像可以包括路况图像，语义分割任务需要对道路图像中的天空、路面、车辆等感兴趣对象进行分割。又如，待处理图像可以包括景区图像，语义分割任务需要对景区图像中的景点、背景和人物进行分割。示例性地，本公开实施例中，语义分割结果可以包括分割得到的分割图，分割图中以不同颜色或者说不同的像素值突出显示不同的感兴趣对象。
52.示例性地，在上述步骤s110中，可以采用多种方式确定重点区域的位置信息。例如，基于先验知识确定重点区域的位置信息。一个具体的示例是：在将视频中的连续多个图像帧依次作为待处理图像执行语义分割任务的情况下，可以基于前一个图像帧的语义分割结果确定感兴趣对象的外接矩形框，基于该外接矩形框确定当前待处理的图像帧的重点区域。又如，可以人工确定待处理图像中的重点区域的位置信息。再如，可以在语义分割模型中设置空间自注意力模块，空间自注意力模块用于确定待处理图像中的重点区域的位置信息。
53.示例性地，重点区域的位置信息可以包括重点区域的多个顶点的坐标。例如，重点区域可以是矩形框中的图像区域，其位置信息包括矩形框的左上角顶点的坐标(x1,y1)和右下角顶点的坐标(x2,y2)。该位置信息也可以基于矩形框坐标(x1,y1,x2,y2)表示。
54.示例性地，基于重点区域的位置信息对待处理图像执行的变形操作，可以用于对重点区域进行细节放大和/或对非重点区域进行空间压缩。也就是说，可以将待处理图像的图像空间中的各像素特征变换到另一个图像空间中，在变换后的图像空间中，重点区域将被放大、非重点区域将被压缩。实际应用中，可以根据应用需求配置变形操作，例如配置其算法逻辑、参数等，使其达到放大重点区域或压缩非重点区域的效果。
55.在通过变形操作得到变形图像之后，将变形图像送入语义分割网络，语义分割网络对变形图像进行语义分割，得到第一语义分割结果。对第一语义分割结果进行上述变形操作的逆操作，可以将第一语义分割结果还原到待处理图像的图像空间中，得到准确的第二语义分割结果。示例性地，语义分割网络可以包括例如u
‑
net(u型网络)。
56.可见，本公开实施例的方法中，先确定待处理图像中的重点区域的位置信息，并基于该信息对待处理图像执行变形操作。由于是基于变形操作后得到的变形图像进行语义分割，再将得到的第一语义分割结果通过逆操作转换为第二语义分割结果，因此，可以通过配置变形操作，实现重点区域的细节放大和非重点区域的空间压缩，使得语义分割的有限的计算量可以作用于需要精细分割的区域。从而可以使用轻量的语义分割模型实现高精度的语义分割能力，有利于在移动终端上部署语义分割模型。
57.在一种可选的示例性的实施方式中，上述步骤s110，确定待处理图像中的重点区域的位置信息可以包括：
58.基于多个卷积网络对待处理图像进行处理，得到第一特征图；
59.基于第一特征图，得到待处理图像中的重点区域的位置信息。
60.示例性地，可以在语义分割模型中设置空间自注意力模块。该空间自注意力模块包括多个卷积网络和一个全连接层。其中，多个卷积网络中的每个卷积网络用于依次对待处理图像进行卷积，确定待处理图像中的重点区域的位置信息；全连接层用于基于卷积得
到的第一特征图预测输出重点区域的位置信息。
61.图2示出了一种示例性的空间自注意力模块的示意图。如图2所示，空间自注意力模块200包括三个卷积网络和一个全连接层。其中，每个卷积网络可包括至少一个卷积层。例如每个卷积网络可以包括3个残差网络结构。最后使用一个全连接层预测输出重点区域的矩形框坐标(x1,y1,x2,y2)。
62.根据上述实施方式，利用卷积网络先提取待处理图像中的特征信息，再基于相应的特征图预测重点区域的位置信息，可以提高重点区域的预测准确性。并且，有利于将预测重点区域的步骤设置于模型中进行，实现端到端(待处理图像到第二语义分割结果)模型的整体训练，提高模型训练效果，获得更优的语义分割模型。
63.示例性地，基于多个卷积网络对待处理图像进行处理，得到第一特征图，包括：
64.基于至少一个第一卷积网络以及第一步长对待处理图像进行处理，得到第二特征图；
65.基于至少一个第二卷积网络以及第二步长对待处理图像进行处理，得到第一特征图；
66.其中，第一步长小于第二步长。
67.例如，在语义分割模型中设置空间自注意力模块，空间自注意力模块包括1个第一卷积网络和2个第二卷积网络，每个卷积网络均包括3个残差网络结构。其中，第一卷积网络的残差网络结构的步长均为1。每个第二卷积网络中，第一个残差网络结构的步长为2，其余残差网络结构的步长可以为1。
68.根据上述实施方式，采用不同步长的不同卷积网络结合，提取待处理图像中的特征信息，得到第一特征图，再基于第一特征图预测重点区域。如此，可以兼顾预测准确性和效率。有利于实现模型轻量化，在移动终端上部署模型。
69.在一种可选的示例性的实施方式中，重点区域的位置信息包括待处理图像中的重点区域的多个顶点坐标。相应地，步骤s120，基于重点区域的位置信息对待处理图像执行变形操作，得到变形图像，包括：
70.将多个顶点坐标作为多个控制点，并基于多个控制点对待处理图像执行非均匀变形操作，得到变形图像。
71.其中，非均匀变形也可以称为非均匀采样、非刚性变形。
72.由于非均匀变形相比于线性变形，配置灵活性高，若在语义分割模型中设置用于执行非均匀变形操作的变形模块，在语义分割模型训练过程中训练该变形模块，则可以在训练过程中优化对重点区域的细节放大效果和对非重点区域的空间压缩效果。同时实现端到端(待处理图像到第二语义分割结果)模型的整体训练，提高模型训练效果，获得更优的语义分割模型。
73.示例性地，上述非均匀变形操作包括tps(thin plate spline，薄样条插值)。tps是插值方法的一种。假设以薄钢板的形变模拟二维平面的形变，在确保所有控制点能够尽可能匹配的情况下，tps能够使钢板的弯曲能量最小。使用tps，可以基于待处理图像得到形变准确、可逆的变形图像，有利于提高最终语义分割结果的准确性。
74.在一个具体的应用示例中，可以利用改进的语义分割模型实现上述图像处理方法。图3示出该语义分割模型的示意图。如图3所示，该语义分割模型包括空间自注意力模块
310、tps变换模块320、语义分割模块330、逆tps变换模块340。其中，空间自注意力模块310用于确定待处理图像中的重点区域。tps变换模块320将重点区域的矩形框顶点视为控制点，对待处理图像执行tps操作，从而实现非重点区域的空间压缩和重点区域的细节放大，得到变形图像。将该变形图像输入至语义分割模块330，则可得到第一语义分割结果。最后利用逆tps模块340对第一语义分割结果进行逆tps操作，获得最终的语义分割结果，即第二语义分割结果。
75.可见，本公开实施例的方法可以使得语义分割的有限的计算量可以作用于需要精细分割的区域。从而可以使用轻量的语义分割模型实现高精度的语义分割能力，有利于在移动终端上部署语义分割模型。
76.根据本公开的实施例，本公开还提供一种模型训练方法，如图4所示，该方法包括：
77.步骤s410，对预设模型进行训练，得到语义分割模型；
78.其中，语义分割模型用于针对待处理图像进行如下处理：
79.确定待处理图像中的重点区域的位置信息；
80.基于重点区域的位置信息对待处理图像执行变形操作，得到变形图像；
81.基于变形图像进行语义分割，得到第一语义分割结果；
82.对第一语义分割结果执行变形操作的逆操作，得到第二语义分割结果。
83.示例性地，语义分割模型包括：
84.空间自注意力模块，用于确定待处理图像中的重点区域的位置信息；
85.空间变换模块，用于基于重点区域的位置信息对待处理图像执行变形操作，得到变形图像；
86.语义分割模块，用于基于变形图像进行语义分割，得到第一语义分割结果；
87.空间逆变换模块，用于对第一语义分割结果执行变形操作的逆操作，得到第二语义分割结果。
88.可以理解，预设模型与语义分割模型具有类似的作用。预设模型可针对预设模型的输入图像进行如下处理：
89.确定输入图像中的重点区域的位置信息；
90.基于重点区域的位置信息对输入图像执行变形操作，得到变形图像；
91.基于变形图像进行语义分割，得到第一语义分割结果；
92.对第一语义分割结果执行变形操作的逆操作，得到第二语义分割结果。
93.预设模型与语义分割模型的结构相同，但参数不同。由于对预设模型进行了训练，使其参数得到优化，因此，语义分割模型的分割效果更优。
94.根据上述模型训练方法，语义分割模型能够执行上述图像处理方法，具备相应的有益效果。并且，由于将执行上述图像处理方法的各模块均设置于模型中，对模型整体进行训练，有利于训练得到端到端的模型，提高整体效果。
95.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
96.作为上述各方法的实现，本公开还提供了一种图像处理装置，在一个实施例中，如图5所示，该装置包括：
97.空间自注意力模块510，用于确定待处理图像中的重点区域的位置信息；
98.空间变换模块520，用于基于重点区域的位置信息对待处理图像执行变形操作，得到变形图像；
99.语义分割模块530，用于基于变形图像进行语义分割，得到第一语义分割结果；
100.空间逆变换模块540，用于对第一语义分割结果执行变形操作的逆操作，得到第二语义分割结果。
101.在另一个实施例中，图像处理装置包括：
102.空间自注意力模块610，用于确定待处理图像中的重点区域的位置信息；
103.空间变换模块620，用于基于重点区域的位置信息对待处理图像执行变形操作，得到变形图像；
104.语义分割模块630，用于基于变形图像进行语义分割，得到第一语义分割结果；
105.空间逆变换模块640，用于对第一语义分割结果执行变形操作的逆操作，得到第二语义分割结果。
106.示例性地，重点区域的位置信息包括待处理图像中的重点区域的多个顶点坐标；
107.如图6所示，空间变换模块620包括：
108.非均匀变形单元621，用于将多个顶点坐标作为多个控制点，并基于多个控制点对待处理图像执行非均匀变形操作，得到变形图像。
109.示例性地，非均匀变形操作包括tps。相应地，逆变形操作为逆tps。
110.示例性地，如图6所示，空间自注意力模块610包括：
111.卷积单元611，用于基于多个卷积网络对待处理图像进行处理，得到第一特征图；
112.全连接层612，用于基于第一特征图，得到待处理图像中的重点区域的位置信息。
113.示例性地，卷积单元611具体用于：
114.基于至少一个第一卷积网络以及第一步长对待处理图像进行处理，得到第二特征图；
115.基于至少一个第二卷积网络以及第二步长对待处理图像进行处理，得到第一特征图；
116.其中，第一步长小于第二步长。
117.本公开还提供一种模型训练装置。如图7所示，该装置包括：
118.训练模块710，用于对预设模型进行训练，得到语义分割模型；
119.其中，语义分割模型用于针对待处理图像进行如下处理：
120.确定待处理图像中的重点区域的位置信息；
121.基于重点区域的位置信息对待处理图像执行变形操作，得到变形图像；
122.基于变形图像进行语义分割，得到第一语义分割结果；
123.对第一语义分割结果执行变形操作的逆操作，得到第二语义分割结果。
124.本公开实施例各装置中的各单元、模块或子模块的功能可以参见上述方法实施例中的对应描述，在此不再赘述。
125.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
126.图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字
助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或要求的本公开的实现。
127.如图8所示，电子设备800包括计算单元801，其可以根据存储在只读存储器(rom)802中的计算机程序或者从存储单元808加载到随机访问存储器(ram)803中的计算机程序来执行各种适当的动作和处理。在ram 803中，还可存储电子设备800操作所需的各种程序和数据。计算单元801、rom 802以及ram 803通过总线804彼此相连。输入输出(i/o)接口805也连接至总线804。
128.电子设备800中的多个部件连接至i/o接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
129.计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如图像处理方法或模型训练方法。例如，在一些实施例中，图像处理方法或模型训练方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由rom 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到ram 803并由计算单元801执行时，可以执行上文描述的图像处理方法或模型训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像处理方法或模型训练方法。
130.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
131.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
132.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可
读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd
‑
rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
133.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入、或者触觉输入来接收来自用户的输入。
134.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
135.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端
‑
服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
136.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
137.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。