CN111311486A - 用于处理图像的方法和装置 - Google Patents
用于处理图像的方法和装置 Download PDFInfo
- Publication number
- CN111311486A CN111311486A CN201811515153.4A CN201811515153A CN111311486A CN 111311486 A CN111311486 A CN 111311486A CN 201811515153 A CN201811515153 A CN 201811515153A CN 111311486 A CN111311486 A CN 111311486A
- Authority
- CN
- China
- Prior art keywords
- image
- model
- network
- original image
- layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000012545 processing Methods 0.000 title claims abstract description 40
- 238000012549 training Methods 0.000 claims description 75
- 238000013527 convolutional neural network Methods 0.000 claims description 34
- 238000013507 mapping Methods 0.000 claims description 19
- 230000009466 transformation Effects 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 11
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 230000014759 maintenance of location Effects 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 241000070023 Phoenicopterus roseus Species 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000002372 labelling Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 241000287502 Phoenicopteriformes Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000036316 preload Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4046—Scaling of whole images or parts thereof, e.g. expanding or contracting using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Image Processing (AREA)
Abstract
本申请实施例公开了用于处理图像的方法和装置。该方法的一具体实施方式包括获取原始图像和目标尺寸；将原始图像和目标尺寸输入至预先训练的图像重定向模型，得到原始图像对应的重定向图像，其中，图像重定向模型用于将原始图像重定向到目标尺寸；将重定向图像输入至预先训练的超分辨率模型，得到重定向图像对应的目标图像，其中，超分辨率模型用于对重定向图像进行像素增强。该实施方式实现了在保留图像的主要内容的基础上，快速地处理出各种尺寸的图像。
Description
技术领域
本申请实施例涉及计算机技术领域，具体涉及用于处理图像的方法和装置。
背景技术
信息推送，就是“网络广播”，是通过一定的技术标准或协议，在互联网上通过主动传送用户需要的信息来减少信息过载的一项新技术。推送技术通过自动传送信息给用户，来减少用于网络上搜索的时间。它根据用户的兴趣来搜索、过滤信息，并将其主动推给用户，帮助用户高效率地发掘有价值的信息。
实践中，推送给用户的信息可以是带有图像的网页。由于在网页中可插入图像的页面区域的尺寸的多样性，往往需要准备同主题、不同尺寸的图像，以适应不同尺寸的页面区域。若这些不同尺寸的图像完全基于专业设计人员的设计，会增加人力成本，且效率较低。若这些不同尺寸的图像是通过简单的剪裁、拉伸、缩放等操作获得，不能保证保留图像的主要内容。
发明内容
本申请实施例提出了用于处理图像的方法和装置。
第一方面，本申请实施例提供了一种用于处理图像的方法，包括：获取原始图像和目标尺寸；将原始图像和目标尺寸输入至预先训练的图像重定向模型，得到原始图像对应的重定向图像，其中，图像重定向模型用于将原始图像重定向到目标尺寸；将重定向图像输入至预先训练的超分辨率模型，得到重定向图像对应的目标图像，其中，超分辨率模型用于对重定向图像进行像素增强。
在一些实施例中，重定向模型包括编码器、解码器、结构保持层和变换层。
在一些实施例中，将原始图像和目标尺寸输入至预先训练的图像重定向模型，得到原始图像对应的重定向图像，包括：将原始图像输入至编码器，得到原始图像的语义特征；将语义特征输入至解码器，得到语义特征对应的注意力映射图像，以及基于目标尺寸对注意力映射图像进行尺寸变换，得到变换注意力映射图像；将变换注意力映射图输入至结构保持层，得到变换注意力映射图像对应的结构保持图像；将原始图像和结构保持图像输入至变换层，得到重定向图像。
在一些实施例中，图像重定向模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本集合中的训练样本包括样本图像和对应的类型标注信息；将训练样本集合中的训练样本中的样本图像作为输入，将输入的样本图像对应的类型标注信息作为输出，对初始分类网络进行训练，调整初始分类网络的全连接层的参数，得到训练后的分类网络，其中，初始分类网络除全连接层之外的网络层的参数是固定值；将训练样本集合中训练样本中的样本图像作为输入，将输入的样本图像对应的类型标注信息作为输出，对初始卷积神经网络进行训练，调整初始卷积神经网络中的初始解码器的参数，得到训练后的卷积神经网络，其中，初始卷积神经网络包括编码器、初始解码器、结构保持层、变换层和分类网络；移除卷积神经网络中的分类网络，得到图像重定向模型。
在一些实施例中，初始分类网络中除全连接层之外的网络层的结构及参数与编码器的网络层的结构及参数相同；解码器的网络层的结构与编码器的网络层的结构反向对称。
在一些实施例中，超分辨率模型包括残差网络和上采样层。
在一些实施例中，超分辨率模型是利用训练样本集合中的训练样本中的样本图像训练得到的。
第二方面，本申请实施例提供了一种用于处理图像的装置，包括：获取单元，被配置成获取原始图像和目标尺寸；重定向单元，被配置成将原始图像和目标尺寸输入至预先训练的图像重定向模型，得到原始图像对应的重定向图像，其中，图像重定向模型用于将原始图像重定向到目标尺寸；增强单元，被配置成将重定向图像输入至预先训练的超分辨率模型，得到重定向图像对应的目标图像，其中，超分辨率模型用于对重定向图像进行像素增强。
在一些实施例中，重定向模型包括编码器、解码器、结构保持层和变换层。
在一些实施例中，重定向单元包括：编码模块，被配置成将原始图像输入至编码器，得到原始图像的语义特征；解码模块，被配置成将语义特征输入至解码器，得到语义特征对应的注意力映射图像，以及基于目标尺寸对注意力映射图像进行尺寸变换，得到变换注意力映射图像；保持模块，被配置成将变换注意力映射图输入至结构保持层，得到变换注意力映射图像对应的结构保持图像；变换模块，被配置成将原始图像和结构保持图像输入至变换层，得到重定向图像。
在一些实施例中，图像重定向模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本集合中的训练样本包括样本图像和对应的类型标注信息；将训练样本集合中的训练样本中的样本图像作为输入，将输入的样本图像对应的类型标注信息作为输出，对初始分类网络进行训练，调整初始分类网络的全连接层的参数，得到训练后的分类网络，其中，初始分类网络除全连接层之外的网络层的参数是固定值；将训练样本集合中训练样本中的样本图像作为输入，将输入的样本图像对应的类型标注信息作为输出，对初始卷积神经网络进行训练，调整初始卷积神经网络中的初始解码器的参数，得到训练后的卷积神经网络，其中，初始卷积神经网络包括编码器、初始解码器、结构保持层、变换层和分类网络；移除卷积神经网络中的分类网络，得到图像重定向模型。
在一些实施例中，初始分类网络中除全连接层之外的网络层的结构及参数与编码器的网络层的结构及参数相同；解码器的网络层的结构与编码器的网络层的结构反向对称。
在一些实施例中，超分辨率模型包括残差网络和上采样层。
在一些实施例中，超分辨率模型是利用训练样本集合中的训练样本中的样本图像训练得到的。
第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于处理图像的方法和装置，首先获取原始图像和目标尺寸；然后将原始图像和目标尺寸输入至图像重定向模型，图像重定向模型将原始图像重定向到目标尺寸，从而得到原始图像对应的重定向图像；最后将重定向图像输入至超分辨率模型，超分辨率模型对重定向图像进行像素增强，从而得到重定向图像对应的目标图像。利用图像重定向模型和超分辨率模型对原始图像进行处理，融合图像重定位和超分辨率技术，实现了在保留图像的主要内容的基础上，快速地处理出各种尺寸的图像。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构；
图2是根据本申请的用于处理图像的方法的一个实施例的流程图；
图3是图2所提供的用于处理图像的方法的一个应用场景的示意图；
图4是图2所提供的用于处理图像的方法的效果图；
图5是根据本申请的用于训练图像重定向模型的方法的一个实施例的流程图；
图6是根据本申请的用于处理图像的装置的一个实施例的结构示意图；
图7是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的用于处理图像的方法或用于处理图像的装置的实施例的示例性系统架构100。
如图1所示，系统架构100中可以包括终端设备101、网络102和服务器103。网络102用以在终端设备101和服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
终端设备101可以通过网络102与服务器102交互，以接收或发送消息等。终端设备101上可以安装有各种客户端应用，例如图像处理应用等。
终端设备101可以是硬件，也可以是软件。当终端设备101为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器103可以提供各种服务，例如服务器103可以对获取到的原始图像等数据进行分析等处理，生成处理结果(例如目标图像)。
需要说明的是，服务器103可以是硬件，也可以是软件。当服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本申请实施例所提供的用于处理图像的方法一般由服务器103执行，相应地，用于处理图像的装置一般设置于服务器103中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本申请的用于处理图像的方法的一个实施例的流程200。该用于处理图像的方法，包括以下步骤：
步骤201，获取原始图像和目标尺寸。
在本实施例中，用于处理图像的方法的执行主体(例如图1所示的服务器103)可以通过有线连接方式或者无线连接方式获取原始图像和目标尺寸。例如，若用户想要将原始图像处理成目标尺寸的目标图像，那么可以利用终端设备(例如图1所示的终端设备101)向上述执行主体发起请求。请求中可以包括原始图像和目标尺寸。其中，目标尺寸可以是利用原始图像需要处理成的目标图像的尺寸，包括目标宽度和目标高度。原始图像的尺寸与目标图像的尺寸不同，并且原始图像通常不能通过简单的等比例缩放被处理成目标图像。
步骤202，将原始图像和目标尺寸输入至预先训练的图像重定向模型，得到原始图像对应的重定向图像。
在本实施例中，上述执行主体可以将原始图像输入至预先训练的图像重定向模型，以得到原始图像对应的重定向图像。其中，重定向图像的尺寸可以是目标尺寸。
在本实施例中，图像重定向模型可以用于将原始图像重定向到目标尺寸，也就是说将原始图像映射为重定向图像。在一些实施例中，为了在映射过程中尽量保留原始图像中的主要内容，也就是说尽量使重定向图像的语义信息与原始图像的语义信息接近，可以采用WSSDCNN(weakly and self-supervised deep convolutional neural network，弱自监督深度卷积神经网络)模型训练出图像重定向模型。WSSDCNN模型是一个基于内容感知的深度卷积神经网络模型，其网络结构主要包括编码器(Encoder)、解码器(Decoder)、结构保持层和变换层。
在本实施例的一些可选的实现方式中，在图像重定向模型包括编码器、解码器、结构保持层和变换层的情况下，可以通过如下步骤将原始图像处理成重定向图像：
首先，将原始图像输入至编码器，得到原始图像的语义特征。
通常，编码器可以采用移除全连接层的VGG16网络，以抽象出原始图像的语义特征。其中，编码器可以包括多个卷积层和池化层。原始图像的语义特征可以用于表征原始图像的主要内容。
之后，将语义特征输入至解码器，得到语义特征对应的注意力映射图像，以及基于目标尺寸对注意力映射图像进行尺寸变换，得到变换注意力映射图像。
通常，解码器可以采用反向对称的VGG16网络，将抽象出的原始图像的语义特征生成注意力映射图(Attention Map)。随后，将注意力映射图的尺寸变换到目标尺寸，以生成变换注意力映射图像。其中，解码器可以包括多个卷积层和上采样层。变换注意力映射图像的尺寸是目标尺寸。
然后，将变换注意力映射图输入至结构保持层，得到变换注意力映射图像对应的结构保持图像。
通常，结构保持层是一个一维卷积层，一维卷积层的输入是变换注意力映射图，输出是经过一维卷积运算并在高度维度或宽度维度上做重复(repeat)操作到目标尺寸中的目标高度或目标宽度所得到的结构保持图像。设置结构保持层的目的是防止图像在纵向或横向上产生扭曲。以高度不变，宽度变换为例，利用编码器和解码器进行编码解码时，抽象出的语义特征以块为单位，不同块间的像素在纵向上缺少约束，在宽度重定向时不能保持近似或一致的偏差值，导致图像产生扭曲畸变。这里，设置结构保持层进行一维卷积运算可以对图像在纵向或横向上进行约束，从而防止图像扭曲。
最后，将原始图像和结构保持图像输入至变换层，得到重定向图像。
通常，变换层定义了每个像素点在原始图像与目标图像之间的位置映射关系。以高度不变，宽度变换为例：O(x,y)＝I(x+S(x,y),y)。其中，x是像素点的横坐标，y是像素点的纵坐标，O(x,y)是像素点在目标图像上的坐标，I(x,y)是像素点在原始图像上的坐标，S(x,y)是像素点在原始图像与目标图像的横向位置偏差值，其中，S(x,y)可以由变换注意力映射图和结构保持层经过积累归一化得到。
在本实施例的一些可选的实现方式中，图像重定向模型可以对外提供重定向接口，原始图像和目标尺寸可以通过重定向接口输入至图像重定向模型。重定向接口主要包括尺寸初步变化、重定向两个操作。图像的宽高变化在等比例放大缩小后都可以归结到宽度的变化。因此，重定向接口可以首先根据原始图像的高度与目标尺寸中的目标高度的比例将原始图像初步变换到目标高度的等比图像，然后将等比图像通过重定向变换到目标尺寸中的目标宽度。其中，可以通过缩小或放大操作变换到目标宽度。
步骤203，将重定向图像输入至预先训练的超分辨率模型，得到重定向图像对应的目标图像。
在本实施例中，上述执行主体可以将重定向图像输入至预先训练的超分辨率模型，以得到重定向图像对应的目标图像。其中，目标图像的尺寸可以是目标尺寸。
在本实施例中，超分辨率模型可以用于对重定向图像进行像素增强。由于图像在重定向过程中会有一些像素信息的损失，尤其是图像尺寸扩大的情况，图像细节损失更为严重。在一些实施例中，为了弥补像素损失，可以采用EDSR(Enhanced Deep ResidualNetworks for Single Image Super-Resolution)模型训练出超分辨率模型，来对重定向图像进行像素增强。EDSR模型是一个基于残差网络的卷积神经网络模型，目的是由低分辨率图像重建出高分辨率图像，其支持不同倍数的放大重建。这里，通常采用其中1倍倍数的高分辨率重建，即不改变图像的大小。EDSR模型的网络结构主要包括残差网络(ResNet)和上采样层。其中，残差网络可以由不同个数的残差块(ResBlock)堆叠而成，利用残差块中的捷径连接使得神经网络可以实现更深的网络训练，也因此取得更好的训练效果。这里，训练超分辨率模型时通常采用32个残差块。上采样层通常通过模拟置换(pixel shuffle)操作来实现。
在本实施例的一些可选的实现方式中，超分辨率模型可以对外提供超分辨率接口，重定向图像可以通过超分辨率接口输入至超分辨率模型。超分辨率接口封装了超分辨率模型，对外提供超分辨率接口，调用方通过调用超分辨率接口使用超分辨率模型，调用方对超分辨率模型无感知，方便灵活替换封装在内部的超分辨率模型。
在本实施例的一些可选的实现方式中，图像重定向模型和超分辨率模型可以被一起封装成图像处理网络服务(WebService)，并对外提供高性能的简单可用的接口。同时，由于加载图像重定向模型和超分辨率模型需要消耗一定的时间，这里，图像处理网络服务可以预先加载图像重定向模型和超分辨率模，以达到每次请求都能够实现快速地响应，从而优化服务的响应速度。图像处理网络服务的输入可以包括原始图像、原始图像的形式标识、目标图像的形式标识和目标尺寸。支持一张原始图像同时转换多个目标尺寸，也支持一次请求处理多张原始图像的多目标尺寸装换。其中，输入输出的图像支持URL(UniformResource Locator，统一资源定位符)和图片流形式。
继续参见图3，图3是图2所提供的用于处理图像的方法的一个应用场景的示意图。在图3所示的应用场景中，若用户想要将原始图像301变换成目标尺寸302的图像，可以首先利用终端设备310将原始图像301和目标尺寸302发送给服务器320。之后，服务器320可以将原始图像301和目标尺寸302输入至图像重定向模型303，得到原始图像301对应的重定向图像304。随后，服务器320可以将重定向图像304输入至超分辨率模型305，得到重定向图像305对应的目标图像306，其中，目标图像306的尺寸等于目标尺寸302。最后，服务器320可以将目标图像306发送给终端设备310。此时，用户就得到了尺寸为目标尺寸302的目标图像306。
继续参见图4，图4是图2所提供的用于处理图像的方法的效果图。在图4所示的效果图中，原始图像可以如401所示，其主要内容是一只火烈鸟，其原始尺寸是212×161，即原始图像在水平方向存在212个像素点，在垂直方向存在161个像素点。这里需要将原始图像变换为目标尺寸的目标图像，其中，目标尺寸是142×161。现有技术中，可以通过简单的缩放操作来获得，即保持原始图像的高度不变，将原始图像的宽度缩小到161。通过缩放操作获得的目标图像可以如402所示，此时得到的目标图像的内容中虽然保留了火烈鸟，但是火烈鸟已经发生扭曲形变，导致目标图像的主要内容发生变化。为了使保留的火烈鸟不发生扭曲形变，可以利用本申请实施例提供的用于处理图像的方法对原始图像进行处理，即首先将原始图像和目标尺寸输入至图像重定向模型，得到重定向图像，然后将重定向图像输入至超分辨率模型，得到目标图像。利用本申请实施例提供的用于处理图像的方法得到的目标图像可以如403所示，此时得到的目标图像的内容中保留了火烈鸟，并且火烈鸟没有发生扭曲形变。
本申请实施例提供的用于处理图像的方法，首先获取原始图像和目标尺寸；然后将原始图像和目标尺寸输入至图像重定向模型，以使图像重定向模型将原始图像重定向到目标尺寸，从而得到原始图像对应的重定向图像；最后将重定向图像输入至超分辨率模型，以使超分辨率模型对重定向图像进行像素增强，从而得到重定向图像对应的目标图像。利用图像重定向模型和超分辨率模型对原始图像进行处理，融合图像重定位和超分辨率技术，实现了在保留图像的主要内容的基础上，快速地处理出各种尺寸的图像。支持给定范围内的图像尺寸变换，通过图像重定向技术来保留图像中的主要内容，不产生明显的扭曲形变，并且图像尺寸的缩小和扩大处理通过一个重定向模型就能实现。通过超分辨率技术来强化生成的图像的显示，解决重定向模型处理之后产生的图像质量损失问题。
进一步参考图5，其示出了根据本申请的用于训练图像重定向模型的方法的一个实施例的流程500。该用于训练图像重定向模型的方法，包括以下步骤：
步骤501，获取训练样本集合。
在本实施例中，用于训练图像重定向模型的方法的执行主体(例如图1所示的服务器103)可以获取训练样本集合。其中，训练样本集合中的每个训练样本可以包括样本图像和对应的类型标注信息。通常，样本图像对应的类型标注信息可以用于描述样本图像中存在的物体的类型，如人、鸟、猫、桌子、树等等。这里，训练样本集合可以是pascal voc格式。
步骤502，将训练样本集合中的训练样本中的样本图像作为输入，将输入的样本图像对应的类型标注信息作为输出，对初始分类网络进行训练，调整初始分类网络的全连接层的参数，得到训练后的分类网络。
在本实施例中，对于训练样本集合中的训练样本，上述执行主体可以将该训练样本中的样本图像作为输入，将该训练样本中的样本图像对应的类型标注信息作为输出，即监督信息，对初始分类网络进行训练，在训练过程中，调整初始分类网络的全连接层的参数，从而得到训练后的分类网络。
其中，初始分类网络可以是带全连接层的VGG16网络，初始分类网络除全连接层之外的网络层的参数是固定值，因此在训练过程中不断调整VGG16网络的全连接层的参数，直至得到可以对训练样本集合中的样本图像中存在的物体做出正确的分类预测的分类网络为止。通常，初始分类网络中除全连接层之外的网络层的结构及参数与编码器的网络层的结构及参数相同。
步骤503，将训练样本集合中训练样本中的样本图像作为输入，将输入的样本图像对应的类型标注信息作为输出，对初始卷积神经网络进行训练，调整初始卷积神经网络中的初始解码器的参数，得到训练后的卷积神经网络。
在本实施例中，对于训练样本集合中的训练样本，上述执行主体可以将该训练样本中的样本图像作为输入，将该训练样本中的样本图像对应的类型标注信息作为输出，即监督信息，对初始卷积神经网络进行训练，在训练过程中，调整初始卷积神经网络中的初始解码器的参数，以得到训练后的卷积神经网络。其中，初始卷积神经网络可以包括编码器、初始解码器、结构保持层、变换层和分类网络。初始卷积神经网络除编码器之外的网络层的参数是固定值，因此在训练过程中不断调整初始卷积神经网络的初始解码器的参数，直至得到能够对训练样本集合中的样本图像中存在的物体做出正确的分类预测的卷积神经网络为止。通常，解码器的网络层的结构与编码器的网络层的结构反向对称。
步骤504，移除卷积神经网络中的分类网络，得到图像重定向模型。
在本实施例中，上述执行主体可移除卷积神经网络中的分类网络，得到的模型就是图像重定向模型。
需要说明的是，超分辨率模型也是利用上述训练样本集合中的训练样本中的样本图像训练得到的，与图像重定向模型统一成一套训练数据。
进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种用于处理图像的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，本实施例的用于处理图像的装置600可以包括：获取单元601、重定向单元602和增强单元603。其中，获取单元601，被配置成获取原始图像和目标尺寸；重定向单元602，被配置成将原始图像和目标尺寸输入至预先训练的图像重定向模型，得到原始图像对应的重定向图像，其中，图像重定向模型用于将原始图像重定向到目标尺寸；增强单元603，被配置成将重定向图像输入至预先训练的超分辨率模型，得到重定向图像对应的目标图像，其中，超分辨率模型用于对重定向图像进行像素增强。
在本实施例中，用于处理图像的装置600中：获取单元601、重定向单元602和增强单元603的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202和步骤203的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，重定向模型包括编码器、解码器、结构保持层和变换层。
在本实施例的一些可选的实现方式中，重定向单元602包括：编码模块(图中未示出)，被配置成将原始图像输入至编码器，得到原始图像的语义特征；解码模块(图中未示出)，被配置成将语义特征输入至解码器，得到语义特征对应的注意力映射图像，以及基于目标尺寸对注意力映射图像进行尺寸变换，得到变换注意力映射图像；保持模块(图中未示出)，被配置成将变换注意力映射图输入至结构保持层，得到变换注意力映射图像对应的结构保持图像；变换模块(图中未示出)，被配置成将原始图像和结构保持图像输入至变换层，得到重定向图像。
在本实施例的一些可选的实现方式中，图像重定向模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本集合中的训练样本包括样本图像和对应的类型标注信息；将训练样本集合中的训练样本中的样本图像作为输入，将输入的样本图像对应的类型标注信息作为输出，对初始分类网络进行训练，调整初始分类网络的全连接层的参数，得到训练后的分类网络，其中，初始分类网络除全连接层之外的网络层的参数是固定值；将训练样本集合中训练样本中的样本图像作为输入，将输入的样本图像对应的类型标注信息作为输出，对初始卷积神经网络进行训练，调整初始卷积神经网络中的初始解码器的参数，得到训练后的卷积神经网络，其中，初始卷积神经网络包括编码器、初始解码器、结构保持层、变换层和分类网络；移除卷积神经网络中的分类网络，得到图像重定向模型。
在本实施例的一些可选的实现方式中，初始分类网络中除全连接层之外的网络层的结构及参数与编码器的网络层的结构及参数相同；解码器的网络层的结构与编码器的网络层的结构反向对称。
在本实施例的一些可选的实现方式中，超分辨率模型包括残差网络和上采样层。
在本实施例的一些可选的实现方式中，超分辨率模型是利用训练样本集合中的训练样本中的样本图像训练得到的。
下面参考图7，其示出了适于用来实现本申请实施例的电子设备(例如图1所示的服务器103)的计算机系统700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读介质或者是上述两者的任意组合。计算机可读介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、重定向单元和增强单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取原始图像和目标尺寸的单元”。
作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取原始图像和目标尺寸；将原始图像和目标尺寸输入至预先训练的图像重定向模型，得到原始图像对应的重定向图像，其中，图像重定向模型用于将原始图像重定向到目标尺寸；将重定向图像输入至预先训练的超分辨率模型，得到重定向图像对应的目标图像，其中，超分辨率模型用于对重定向图像进行像素增强。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种用于处理图像的方法，包括：
获取原始图像和目标尺寸；
将所述原始图像和所述目标尺寸输入至预先训练的图像重定向模型，得到所述原始图像对应的重定向图像，其中，所述图像重定向模型用于将所述原始图像重定向到所述目标尺寸；
将所述重定向图像输入至预先训练的超分辨率模型，得到所述重定向图像对应的目标图像，其中，所述超分辨率模型用于对所述重定向图像进行像素增强。
2.根据权利要求1所述的方法，其中，所述重定向模型包括编码器、解码器、结构保持层和变换层。
3.根据权利要求2所述的方法，其中，所述将所述原始图像和所述目标尺寸输入至预先训练的图像重定向模型，得到所述原始图像对应的重定向图像，包括：
将所述原始图像输入至所述编码器，得到所述原始图像的语义特征；
将所述语义特征输入至所述解码器，得到所述语义特征对应的注意力映射图像，以及基于所述目标尺寸对所述注意力映射图像进行尺寸变换，得到变换注意力映射图像；
将所述变换注意力映射图输入至所述结构保持层，得到所述变换注意力映射图像对应的结构保持图像；
将所述原始图像和所述结构保持图像输入至所述变换层，得到所述重定向图像。
4.根据权利要求3所述的方法，其中，所述图像重定向模型通过如下步骤训练得到：
获取训练样本集合，其中，所述训练样本集合中的训练样本包括样本图像和对应的类型标注信息；
将所述训练样本集合中的训练样本中的样本图像作为输入，将输入的样本图像对应的类型标注信息作为输出，对初始分类网络进行训练，调整所述初始分类网络的全连接层的参数，得到训练后的分类网络，其中，所述初始分类网络除所述全连接层之外的网络层的参数是固定值；
将所述训练样本集合中训练样本中的样本图像作为输入，将输入的样本图像对应的类型标注信息作为输出，对初始卷积神经网络进行训练，调整所述初始卷积神经网络中的初始解码器的参数，得到训练后的卷积神经网络，其中，所述初始卷积神经网络包括所述编码器、所述初始解码器、所述结构保持层、所述变换层和所述分类网络；
移除所述卷积神经网络中的所述分类网络，得到所述图像重定向模型。
5.根据权利要求4所述的方法，其中，所述初始分类网络中除所述全连接层之外的网络层的结构及参数与所述编码器的网络层的结构及参数相同；所述解码器的网络层的结构与所述编码器的网络层的结构反向对称。
6.根据权利要求4或5所述的方法，其中，所述超分辨率模型包括残差网络和上采样层。
7.根据权利要求6所述的方法，其中，所述超分辨率模型是利用所述训练样本集合中的训练样本中的样本图像训练得到的。
8.一种用于处理图像的装置，包括：
获取单元，被配置成获取原始图像和目标尺寸；
重定向单元，被配置成将所述原始图像和所述目标尺寸输入至预先训练的图像重定向模型，得到所述原始图像对应的重定向图像，其中，所述图像重定向模型用于将所述原始图像重定向到所述目标尺寸；
增强单元，被配置成将所述重定向图像输入至预先训练的超分辨率模型，得到所述重定向图像对应的目标图像，其中，所述超分辨率模型用于对所述重定向图像进行像素增强。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811515153.4A CN111311486A (zh) | 2018-12-12 | 2018-12-12 | 用于处理图像的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811515153.4A CN111311486A (zh) | 2018-12-12 | 2018-12-12 | 用于处理图像的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111311486A true CN111311486A (zh) | 2020-06-19 |
Family
ID=71148780
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811515153.4A Pending CN111311486A (zh) | 2018-12-12 | 2018-12-12 | 用于处理图像的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111311486A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112001448A (zh) * | 2020-08-26 | 2020-11-27 | 大连信维科技有限公司 | 一种形状规则小物体检测方法 |
| CN113222815A (zh) * | 2021-04-26 | 2021-08-06 | 北京奇艺世纪科技有限公司 | 图像调节方法、装置、电子设备以及可读存储介质 |
| CN114066722A (zh) * | 2021-11-03 | 2022-02-18 | 北京字节跳动网络技术有限公司 | 用于获取图像的方法、装置和电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105009107A (zh) * | 2012-12-13 | 2015-10-28 | 华为技术有限公司 | 图像重定向质量评估 |
| CN106447654A (zh) * | 2016-09-12 | 2017-02-22 | 中国科学技术大学 | 基于统计相似性和双向显著性保真度的图像重定向质量评价方法 |
| CN108537816A (zh) * | 2018-04-17 | 2018-09-14 | 福州大学 | 一种基于超像素和背景连接先验的显著物体分割方法 |
| CN108549872A (zh) * | 2018-04-17 | 2018-09-18 | 福州大学 | 一种适用于重定向图像质量评估的视觉注意融合方法 |
-
2018
- 2018-12-12 CN CN201811515153.4A patent/CN111311486A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105009107A (zh) * | 2012-12-13 | 2015-10-28 | 华为技术有限公司 | 图像重定向质量评估 |
| CN106447654A (zh) * | 2016-09-12 | 2017-02-22 | 中国科学技术大学 | 基于统计相似性和双向显著性保真度的图像重定向质量评价方法 |
| CN108537816A (zh) * | 2018-04-17 | 2018-09-14 | 福州大学 | 一种基于超像素和背景连接先验的显著物体分割方法 |
| CN108549872A (zh) * | 2018-04-17 | 2018-09-18 | 福州大学 | 一种适用于重定向图像质量评估的视觉注意融合方法 |
Non-Patent Citations (4)
| Title |
|---|
| BEE LIM ET AL: ""Enhanced deep residual networks for single image super-resolution"", 《COMPUTER VISION AND PATTERN RECOGNITION》 * |
| DONGHYEON CHO ET AL: ""Weakly- and Self-Supervised Learning for Content-Aware Deep Image Retargeting"", 《2017 IEEE INTERNATIONAL CONFERENCE ON COMPUTER VISION (ICCV)》 * |
| YUE LI ET AL: ""Learning a Convolutional Neural Network for Image Compact-Resolution"", 《IEEE》 * |
| 牛玉贞: ""图像和视频重定向方法研究"", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112001448A (zh) * | 2020-08-26 | 2020-11-27 | 大连信维科技有限公司 | 一种形状规则小物体检测方法 |
| CN113222815A (zh) * | 2021-04-26 | 2021-08-06 | 北京奇艺世纪科技有限公司 | 图像调节方法、装置、电子设备以及可读存储介质 |
| CN114066722A (zh) * | 2021-11-03 | 2022-02-18 | 北京字节跳动网络技术有限公司 | 用于获取图像的方法、装置和电子设备 |
| CN114066722B (zh) * | 2021-11-03 | 2024-03-19 | 抖音视界有限公司 | 用于获取图像的方法、装置和电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20190164250A1 (en) | Method and apparatus for adding digital watermark to video | |
| CN109255337B (zh) | 人脸关键点检测方法和装置 | |
| CN111784712B (zh) | 图像处理方法、装置、设备和计算机可读介质 | |
| CN111311486A (zh) | 用于处理图像的方法和装置 | |
| CN109118456B (zh) | 图像处理方法和装置 | |
| CN108700988B (zh) | 数字图像呈现 | |
| CN110298851B (zh) | 人体分割神经网络的训练方法及设备 | |
| CN111598902B (zh) | 图像分割方法、装置、电子设备及计算机可读介质 | |
| CN110675465A (zh) | 用于生成图像的方法和装置 | |
| CN110852946A (zh) | 图片展示方法、装置和电子设备 | |
| JP2023517486A (ja) | 画像再スケーリング | |
| CN112418249A (zh) | 掩膜图像生成方法、装置、电子设备和计算机可读介质 | |
| CN109919220B (zh) | 用于生成视频的特征向量的方法和装置 | |
| CN111369475B (zh) | 用于处理视频的方法和装置 | |
| CN111669476B (zh) | 水印处理方法、装置、电子设备和介质 | |
| CN111859210B (zh) | 图像处理方法、装置、设备及存储介质 | |
| CN112365401A (zh) | 图像生成方法、装置、设备和存储介质 | |
| CN111754600A (zh) | 海报图像生成方法、装置和电子设备 | |
| CN112445394A (zh) | 一种截图方法和装置 | |
| CN110598049A (zh) | 用于检索视频的方法、装置、电子设备和计算机可读介质 | |
| CN114066722B (zh) | 用于获取图像的方法、装置和电子设备 | |
| CN111611420B (zh) | 用于生成图像描述信息的方法和装置 | |
| CN114866706A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN110807784B (zh) | 用于分割物体的方法和装置 | |
| CN114004229A (zh) | 文本识别方法、装置、可读介质及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200619 |
|
| RJ01 | Rejection of invention patent application after publication |