本申请实施例涉及计算机技术领域，具体涉及用于处理图片的方法和装置。
背景技术
随着人工神经网络的发展，其在图片处理领域的应用也越来越广泛。例如，在图片识别、图片分类等领域，可以使用相应的神经网络模型来对图片进行处理。
现有技术中，一些利用神经网络模型处理图片的过程通常是先将待处理的图片的尺寸缩放至一个标准尺寸，然后再对图片进行处理。并且，在待处理图片的数量为多个时，一般是将各个待处理图片的尺寸缩放至同一个标准尺寸。
技术实现要素：
本申请实施例提出了用于处理图片的方法和装置。
第一方面，本申请实施例提供了一种用于处理图片的方法，该方法包括：获取待处理图片；从预设的标准尺寸集合中选取与待处理图片对应的标准尺寸作为目标尺寸；将待处理图片的尺寸调整至目标尺寸，得到调整后的待处理图片；将调整后的待处理图片输入至预先训练的图片处理模型，得到处理结果。
在一些实施例中，从预设的标准尺寸集合中选取与待处理图片对应的标准尺寸作为目标尺寸，包括：确定待处理图片的尺寸；基于待处理图片的尺寸，从预设的标准尺寸集合中选取与待处理图片对应的标准尺寸作为目标尺寸。
在一些实施例中，基于待处理图片的尺寸，从预设的标准尺寸集合中选取与待处理图片对应的标准尺寸作为目标尺寸，包括：选取与待处理图片的尺寸的差值最小的标准尺寸作为目标尺寸。
在一些实施例中，待处理图片的尺寸为待处理图片的分辨率，待处理图片的分辨率用水平像素数和垂直像素数表示；以及针对标准尺寸集合中的标准尺寸，该标准尺寸与待处理图片的尺寸的差值通过如下步骤确定：确定待处理图片的水平像素数与垂直像素数的比值；确定该标准尺寸对应的水平像素数和垂直像素数的比值；将待处理图片的水平像素数与垂直像素数的比值与该标准尺寸对应的水平像素数和垂直像素数的比值的差的绝对值作为该标准尺寸与待处理图片的尺寸的差值。
在一些实施例中，从预设的标准尺寸集合中选取与待处理图片对应的标准尺寸作为目标尺寸，包括：确定待处理图片的内容信息；根据预先建立的内容信息与标准尺寸的对应关系，确定与待处理图片的内容信息的相似度最高的内容信息对应的标准尺寸作为目标尺寸。
在一些实施例中，图片处理模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括样本图片和样本图片的处理结果；针对训练样本集合中的训练样本，从标准尺寸集合中选取与该训练样本中的样本图片对应的标准尺寸，以及将该训练样本中的样本图片的尺寸调整至所选取的标准尺寸，得到调整后的样本图片；利用机器学习的方法，将训练样本集合中的训练样本中的样本图片对应的调整后的样本图片作为输入，将与输入的调整后的样本图片对应的处理结果作为期望输出，训练得到图片处理模型。
第二方面，本申请实施例提供了一种用于处理图片的装置，该装置包括：获取单元，被配置成获取待处理图片；选取单元，被配置成从预设的标准尺寸集合中选取与待处理图片对应的标准尺寸作为目标尺寸；调整单元，被配置成将待处理图片的尺寸调整至目标尺寸，得到调整后的待处理图片；处理单元，被配置成将调整后的待处理图片输入至预先训练的图片处理模型，得到处理结果。
在一些实施例中，上述选取单元进一步被配置成：确定待处理图片的尺寸；基于待处理图片的尺寸，从预设的标准尺寸集合中选取与待处理图片对应的标准尺寸作为目标尺寸。
在一些实施例中，上述选取单元进一步被配置成：选取与待处理图片的尺寸的差值最小的标准尺寸作为目标尺寸。
在一些实施例中，待处理图片的尺寸为待处理图片的分辨率，待处理图片的分辨率用水平像素数和垂直像素数表示；以及针对标准尺寸集合中的标准尺寸，该标准尺寸与待处理图片的尺寸的差值通过如下步骤确定：确定待处理图片的水平像素数与垂直像素数的比值；确定该标准尺寸对应的水平像素数和垂直像素数的比值；将待处理图片的水平像素数与垂直像素数的比值与该标准尺寸对应的水平像素数和垂直像素数的比值的差的绝对值作为该标准尺寸与待处理图片的尺寸的差值。
在一些实施例中，上述选取单元进一步被配置成：确定待处理图片的内容信息；根据预先建立的内容信息与标准尺寸的对应关系，确定与待处理图片的内容信息的相似度最高的内容信息对应的标准尺寸作为目标尺寸。
在一些实施例中，图片处理模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括样本图片和样本图片的处理结果；针对训练样本集合中的训练样本，从标准尺寸集合中选取与该训练样本中的样本图片对应的标准尺寸，以及将该训练样本中的样本图片的尺寸调整至所选取的标准尺寸，得到调整后的样本图片；利用机器学习的方法，将训练样本集合中的训练样本中的样本图片对应的调整后的样本图片作为输入，将与输入的调整后的样本图片对应的处理结果作为期望输出，训练得到图片处理模型。
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，用于存储一个或多个程序；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片的方法和装置，通过获取待处理图片，从预设的标准尺寸集合中选取与待处理图片对应的标准尺寸作为目标尺寸。然后，将待处理图片的尺寸调整至选取的目标尺寸，并将调整后的图片输入预先训练的图片处理模型，得到处理结果，从而借助预设的多种标准尺寸，在调整待处理图片的尺寸时，可以根据具体的待处理图片，将待处理图片的尺寸调整至与其对应的标准尺寸，有助于提升了图片尺寸调整时的灵活性。
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是本申请的一个实施例可以应用于其中的示例性系统架构图；
图2是本申请的用于处理图片的方法的一个实施例的流程图；
图3是根据本申请的用于处理图片的方法的又一个实施例的流程图；
图4是根据本申请的用于处理图片的方法的一个应用场景的示意图；
图5是根据本申请的用于处理图片的装置的一个实施例的结构示意图；
图6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片的方法或用于处理图片的装置的一个实施例的示例性架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如网页浏览器应用、图片处理类应用等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是能够处理图片的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其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的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105可以是提供各种服务的服务器，例如为终端设备101、102、103上的待处理图片提供分析处理的图片处理服务器。图片处理服务器可以对待处理图片进行尺寸调整等处理，并生成处理结果，还可以将处理结果(如尺寸调整后的待处理图片)反馈给终端设备。
需要说明的是，上述待处理图片也可以直接存储在服务器105的本地，服务器105可以直接提取本地所存储的待处理图片并进行处理，此时，可以不存在终端设备101、102、103和网络104。
需要说明的是，本申请实施例所提供的用于处理图片方法一般由服务器105执行，相应地，用于处理图片的装置一般设置于服务器105中。
还需要指出的是，终端设备101、102、103中也可以安装有图片处理类应用，终端设备101、102、103也可以基于图片处理类应用对待处理图片进行处理，此时，用于处理图片的方法也可以由终端设备101、102、103执行，相应地，用于处理图片的装置也可以设置于终端设备101、102、103中。此时，示例性系统架构100可以不存在服务器105和网络104。
需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，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的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。
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，示出了根据本申请的用于处理图片的方法的一个实施例的流程200。该用于处理图片的方法包括以下步骤：
步骤201，获取待处理图片。
在本实施例中，用于处理图片的方法的执行主体(如图1所示的服务器105)可以通过有线或无线的方式从本地或者其它存储设备(如图1所示的终端设备101、102、103)获取待处理图片。其中，待处理图片可以是任意类型的图片。
步骤202，从预设的标准尺寸集合中选取与待处理图片对应的标准尺寸作为目标尺寸。
在本实施例中，尺寸可以指图片的物理尺寸，如图片的长度和宽度。尺寸也可以指图片的分辨率。尺寸也可以指图片的大小，如图片占用的存储空间。标准尺寸可以是预设的任意尺寸。根据不同的应用需求，可以预设不同的标准尺寸集合。
其中，待处理图片与标准尺寸根据不同的对应逻辑可以有不同的对应关系。不同的对应关系通常可以利用不同的选取方式，从预设的标准尺寸集合中选取标准尺寸作为目标尺寸。
在本实施例的一些可选的实现方式中，可以先确定待处理图片的尺寸，然后基于确定的待处理图片的尺寸，从预设的标准尺寸集合中选取标准尺寸作为目标尺寸。
可选地，可以预先将图片的尺寸划分为成几种类型。例如，可以将图片的尺寸划分为长宽比大于1，长宽比等于1和长宽比小于1这三种类型。然后，针对每种类型的尺寸，确定该种类型的尺寸对应的标准尺寸。此时，可以根据待处理图片的尺寸，直接从预设的标准尺寸集合中选取待处理图片的尺寸对应的标准尺寸作为目标尺寸。
具体地，对于每种类型的尺寸，可以预先获取大量的该类型的尺寸的图片，然后，针对获取的大量图片，计算将这些图片的尺寸调整至预设的标准尺寸集合中的一种标准尺寸后的精度损失的平均值。同样地，确定将这些图片的尺寸调整至预设的标准尺寸集合中的其它各标准尺寸后分别对应的精度损失的平均值。然后，选取出最小的精度损失的平均值对应的标准尺寸作为该类型的尺寸的图片对应的标准尺寸。
在本实施例的一些可选的实现方式中，可以先确定待处理图片的内容信息，然后根据预先建立的图片的内容信息与标准尺寸的对应关系，将与待处理图片的内容信息的相似度最高的内容信息所对应的标准尺寸作为目标尺寸。
其中，内容信息可以是与待处理图片的内容相关的信息。例如内容信息可以是待处理图片中包含的对象的类型、包含的对象的个数等。具体地，可以利用现有的各种图片检测或识别方法来确定待处理图片的内容信息。例如，可以利用现有的各种用于图片分类的深度学习模型(如alexnet等)对待处理图片进行分类，并将分类结果中确定的待处理图片的标签作为待处理图片的内容信息。例如，还可以利用现有的一些图片分类软件，并将分类软件确定的待处理图片的主题作为待处理图片的内容信息。例如，还可以利用现有的各种图片理解方法(如基于multimodalrecurrentneuralnetwork的图像文本描述)对待处理图片进行处理，将得到的描述图像的文本作为待处理图片的内容信息。
举例来说，对于图片识别类应用，可以预先建立存储有图片的内容信息与标准尺寸的对应关系的对应关系表。例如，对于人脸类图片，可以对应于长宽比为5:3的标准尺寸，对于汽车类图片，可以对应于长宽比为3:1的标准尺寸。此时，在确定待处理图片的内容信息为人脸时，那么可以选取5:3的标准尺寸作为目标尺寸，在待处理图片的内容信息为汽车时，那么可以选取3:1的标准尺寸作为目标尺寸。
在本实施例的一些可选的实现方式中，还可以通过如下步骤从预设的标准尺寸集合中选取与待处理图片对应的标准尺寸作为目标尺寸：
第一步，将待处理图片的尺寸分别调整至标准尺寸集合中的各个标准尺寸，从而得到调整后的待处理图片集合。
第二步，分别计算调整后的待处理图片集合中的每个调整后的待处理图片与获取的待处理图片的相似度，从而得到相似度集合。
第三步，从得到的相似度集合中选取最大的相似度，并将选取的最大的相似度对应的标准尺寸作为目标尺寸。
步骤203，将待处理图片的尺寸调整至目标尺寸，得到调整后的待处理图片。
在本实施例中，可以利用各种用于处理图片的应用对待处理的图片的尺寸进行调整，从而将待处理图片的尺寸调整至选取的目标尺寸，得到尺寸调整后的待处理图片。
步骤204，将调整后的待处理图片输入至预先训练的图片处理模型，得到处理结果。
在本实施例中，图片处理模型可以是各种能够处理图片的模型。例如，图片处理模型可以是各种能够处理图片的深度学习模型。图片处理模型也可以是各种能够处理图片的卷积神经网络。对图片的处理可以是各种处理方式。例如图片分类、图片识别、图片去噪、图片还原等。
在本实施例的一些可选的实现方式中，图片处理模型可以通过如下步骤训练得到：
第一步，获取训练样本集合，其中，训练样本包括样本图片和样本图片的处理结果。
第二步，针对训练样本集合中的训练样本，从标准尺寸集合中选取与该训练样本中的样本图片对应的标准尺寸，并将该训练样本中的样本图片的尺寸调整至所选取的标准尺寸，得到调整后的样本图片。
具体地，可以根据本实施例中上述步骤202中说明的各种选取标准尺寸的方法从标准尺寸集合中选取每个样本中的样本图片对应的标准尺寸。
第三步，利用机器学习的方法，将训练样本集合中的训练样本中的样本图片对应的调整后的样本图片作为输入，将与输入的调整后的样本图片对应的处理结果作为期望输出，训练得到上述能够处理各种标准尺寸的图片处理模型。
具体地，第三步可以通过如下步骤实现：
首先，获取初始图片处理模型。其中，初始图片处理模型可以是各种类型的未经训练或未训练完成的人工神经网络。例如深度学习模型。初始图片处理模型也可以是对多种未经训练的或未训练完成的人工神经网络进行组合得到的模型。例如，初始图片处理模型可以是对未经训练的卷积神经网络、未经训练的循环神经网络和未经训练的全连接层进行组合得到的模型。初始图片处理模型还可以是现有的一些已经训练完成的、开源的图片处理模型。初始图片处理模型也可以是利用现有的各种神经网络api(applicationprogramminginterface，应用程序编程接口)构造出的神经网络。
然后，可以每个训练样本中的样本图片对应的调整后的样本图片作为上述初始图片处理模型的输入，基于初始图片处理模型的输出和预设的损失函数对初始图片处理模型进行训练，并将训练完成后的初始图片处理模型作为图片处理模型。
其中，上述损失函数的值可以用来表征训练过程中初始图片处理模型输出的处理结果与输入的调整后的样本图片对应的处理结果的差异程度。损失函数越小，表示差异越小。并且，可以根据损失函数确定是否训练完成。例如，可以将前后两次或多次的损失函数的值均小于一定阈值作为结束条件。此时，在确定前后两次或多次的损失函数的值均小于一定阈值时，则训练完成，将训练完成后的初始图片处理模型作为训练完成的图片处理模型。
在本实施例的一些可选的实现方式中，可以针对预设的标准尺寸集合中的每个标准尺寸，预先训练该标准尺寸对应的图片处理模型。此时，在得到调整后的待处理图片后，可以先根据目标尺寸选取目标尺寸所对应的、预先训练的图片处理模型。然后利用选取的图片处理模型对调整后的待处理图片进行处理。具体地，对于预设的标准尺寸集合中的每个标准尺寸，该标准尺寸对应的图片处理模型可以通过如下步骤训练得到：
第一步，获取训练样本集合，其中，训练样本可以包括样本图片和样本图片的处理结果。
第二步，针对训练样本集合中的每个训练样本，将该训练样本中的样本图片的尺寸调整至该标准尺寸，得到调整后的样本图片。
第三步，利用机器学习的方法，将训练样本集合中的训练样本中的样本图片对应的调整后的样本图片作为输入，将与输入的调整后的样本图片对应的处理结果作为期望输出，训练得到该标准尺寸对应的图片处理模型。
上述第三步可以具体通过如下步骤实现：
首先，获取初始图片处理模型。其中，初始图片处理模型可以是各种类型的未经训练或未训练完成的人工神经网络。例如深度学习模型。初始图片处理模型也可以是对多种未经训练的或未训练完成的人工神经网络进行组合得到的模型。例如，初始图片处理模型可以是对未经训练的卷积神经网络、未经训练的循环神经网络和未经训练的全连接层进行组合得到的模型。初始图片处理模型还可以是现有的一些已经训练完成的、开源的图片处理模型。初始图片处理模型也可以是利用现有的各种神经网络api(applicationprogramminginterface，应用程序编程接口)构造出的神经网络。
然后，可以每个训练样本中的样本图片对应的调整后的样本图片作为上述初始图片处理模型的输入，基于初始图片处理模型的输出和预设的损失函数对初始图片处理模型进行训练，并将训练完成后的初始图片处理模型作为图片处理模型。
其中，上述损失函数的值可以用来表征训练过程中初始图片处理模型输出的处理结果与输入的调整后的样本图片对应的处理结果的差异程度。损失函数越小，表示差异越小。并且，可以根据损失函数确定是否训练完成。例如，可以将前后两次或多次的损失函数的值均小于一定阈值作为结束条件。此时，在确定前后两次或多次的损失函数的值均小于一定阈值时，则训练完成，将训练完成后的初始图片处理模型作为训练完成的图片处理模型。
在本实施例的一些可选的实现方式中，图片处理模型还可以用于处理标准尺寸集合中除目标尺寸之外的其它标准尺寸的图片，即上述图片处理模型可以处理预设的各种标准尺寸的图片。
本申请的上述实施例提供的方法通过获取待处理图片，从预设的标准尺寸集合中选取与待处理图片对应的标准尺寸作为目标尺寸。然后，将待处理图片的尺寸调整至选取的目标尺寸，并将调整后的图片输入预先训练的图片处理模型，得到处理结果，从而借助预设的多种标准尺寸，在调整待处理图片的尺寸时，可以根据具体的待处理图片，将待处理图片的尺寸调整至与其对应的标准尺寸，有助于提升了图片尺寸调整时的灵活性。
进一步参考图3，其示出了用于处理图片的方法的又一个实施例的流程300。该用于处理图片的流程300，包括以下步骤：
步骤301，获取待处理图片。
本步骤的具体的执行过程可参考图2对应实施例中的步骤201的相关说明，在此不再赘述。
步骤302，从预设的标准尺寸集合中选取与待处理图片的尺寸的差值最小的标准尺寸作为目标尺寸。
在本实施例中，可以分别确定预设的标准尺寸集合中的各标准尺寸与待处理图片的尺寸的差值，然后选取其中最小的差值对应的标准尺寸作为目标尺寸。其中，待处理图片的尺寸与标准尺寸的差值可以根据实际的应用场景利用各种不同的计算方式来确定。
可选地，可以直接将待处理图片的长度与标准尺寸对应的长度的差值或者待处理图片的宽度与标准尺寸对应的宽度的差值作为待处理图片的尺寸与标准尺寸的差值。
可选地，还可以先计算待处理图片的长度与标准尺寸对应的长度的差值，可以记为第一差值；然后，计算待处理图片的宽度与标准尺寸对应的宽度的差值，可以记为第二差值；然后，可以计算上述第一差值和第二差值的平方和，并将计算出的平方和作为待处理图片的尺寸与标准尺寸的差值。
可选地，在图片的尺寸为图片的分辨率时，分辨率可以使用水平像素数和垂直像素数来表示。此时，可以通过如下步骤来确定两个图片的尺寸的差值。
第一步，可以确定待处理图片的尺寸，并计算待处理图片的水平像素数与垂直像素数的比值，可以记为第一比值。
第二步，计算与待处理图片的尺寸进行比较的标准尺寸所对应的水平像素数和垂直像素数的比值，可以记为第二比值。
第三步，将上述第一比值与上述第二比值的差的绝对值作为比较的两个图片的尺寸的差值。
步骤303，将待处理图片的尺寸调整至目标尺寸，得到调整后的待处理图片。
步骤304，将调整后的待处理图片输入至预先训练的图片处理模型，得到处理结果。
上述步骤303和304的具体的执行过程可参考图2对应实施例中的步骤203和204的相关说明，在此不再赘述。
进一步参见图4，图4是根据本实施例的用于处理图片的方法的应用场景的一个示意图。在图4的应用场景中，待处理图片401的分辨率为320*480，其中，水平像素数为320，垂直像素数为480。预设的标准尺寸集合402包括三个标准尺寸，分别为：240*320、960*640、480*800。然后，可以分别计算待处理图片的尺寸与各个标准尺寸的差值。
具体地，对于标准尺寸240*320，可以先计算将待处理图片的水平像素数与垂直像素数的比值为320/480。然后，计算该标准尺寸的水平像素数与垂直像素数的比值为240/320。之后，可以计算上述两个比值的差值的绝对值作为待处理图片的尺寸与标准尺寸240*320的差值为1/12，如图中标号403所示。同样地，可以计算出待处理图片的尺寸与标准尺寸960*640的差值为5/6，如图中标号404所示，以及待处理图片的尺寸与标准尺寸480*800的差值为1/15，如图中标号405所示。
之后，可以从上述计算出的三个差值中选取出最小的差值为1/15。因此，将该最小的差值对应的标准尺寸480*800作为目标尺寸。接着，可以将待处理图片401的尺寸调整至上述目标尺寸480*800，得到调整后的待处理图片406。
然后，可以将调整后的待处理图片406输入预先训练的图片处理模型407，进而得到处理结果408。或者，也可以预先训练三个图片处理模型，分别对应于标准尺寸集合402中的三种尺寸。此时，将调整后的待处理图片输入至调整后的待处理图片的尺寸对应的图片处理模型以得到处理结果。
从图3中可以看出，与图2对应的实施例相比，本实施例中的信息推送方法的流程300可以比较待处理图片的尺寸与标准尺寸集合中的各个标准尺寸的差值，并将待处理图片的尺寸调整至最小的差值对应标准尺寸，然后对调整后的待处理图片进行处理得到处理结果。由此，本实施例描述的方案和现有技术中的将不同的待处理图片的尺寸统一调整至同样的一个标准尺寸相比，该方法有助于减轻由于待处理图片尺寸调整而带来的失真或变形的程度，进而也有助于减轻由于调整后的待处理图片的失真或变形而导致的后续对其处理结果的影响。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了用于处理图片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5所示，本实施例提供的用于处理图片的装置500包括获取501、选取单元502、调整单元503和处理单元504。其中，获取单元501被配置成获取待处理图片。选取单元502被配置成从预设的标准尺寸集合中选取与待处理图片对应的标准尺寸作为目标尺寸。调整单元503被配置成将待处理图片的尺寸调整至目标尺寸，得到调整后的待处理图片。处理单元504被配置成将调整后的待处理图片输入至预先训练的图片处理模型，得到处理结果。
在本实施例中，用于处理图片的装置500中：获取单元501、选取单元502、调整单元503和处理单元504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、步骤203和步骤204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，上述选取单元502进一步被配置成：确定待处理图片的尺寸；基于待处理图片的尺寸，从预设的标准尺寸集合中选取与待处理图片对应的标准尺寸作为目标尺寸。
在本实施例的一些可选的实现方式中，上述选取单元502进一步被配置成：选取与待处理图片的尺寸的差值最小的标准尺寸作为目标尺寸。
在本实施例的一些可选的实现方式中，待处理图片的尺寸为待处理图片的分辨率，待处理图片的分辨率用水平像素数和垂直像素数表示；以及针对标准尺寸集合中的标准尺寸，该标准尺寸与待处理图片的尺寸的差值通过如下步骤确定：确定待处理图片的水平像素数与垂直像素数的比值；确定该标准尺寸对应的水平像素数和垂直像素数的比值；将待处理图片的水平像素数与垂直像素数的比值与该标准尺寸对应的水平像素数和垂直像素数的比值的差的绝对值作为该标准尺寸与待处理图片的尺寸的差值。
在本实施例的一些可选的实现方式中，上述选取单元502进一步被配置成：确定待处理图片的内容信息；根据预先建立的内容信息与标准尺寸的对应关系，确定与待处理图片的内容信息的相似度最高的内容信息对应的标准尺寸作为目标尺寸。
在本实施例的一些可选的实现方式中，图片处理模型通过如下步骤训练得到：获取训练样本集合，其中，训练样本包括样本图片和样本图片的处理结果；针对训练样本集合中的训练样本，从标准尺寸集合中选取与该训练样本中的样本图片对应的标准尺寸，以及将该训练样本中的样本图片的尺寸调整至所选取的标准尺寸，得到调整后的样本图片；利用机器学习的方法，将训练样本集合中的训练样本中的样本图片对应的调整后的样本图片作为输入，将与输入的调整后的样本图片对应的处理结果作为期望输出，训练得到图片处理模型。
本申请的上述实施例提供的装置，通过获取单元获取待处理图片，选取单元从预设的标准尺寸集合中选取与待处理图片对应的标准尺寸作为目标尺寸，调整单元将待处理图片的尺寸调整至目标尺寸，得到调整后的待处理图片，然后由处理单元将调整后的待处理图片输入至预先训练的图片处理模型，得到处理结果，从而借助预设的多种标准尺寸，在调整待处理图片的尺寸时，可以根据具体的待处理图片，将待处理图片的尺寸调整至与其对应的标准尺寸，有助于提升了图片尺寸调整时的灵活性。
下面参考图6，其示出了适于用来实现本申请实施例的电子设备的计算机系统600的结构示意图。图6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6所示，计算机系统600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。
以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；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607；包括硬盘等的存储部分608；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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，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610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608。
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609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(cpu)601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存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储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，计算机可读存储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存储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。
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、选取单元、调整单元和处理单元。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“获取待处理图片的单元”。
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装置中所包含的；也可以是单独存在，而未装配入该装置中。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装置执行时，使得该装置：获取待处理图片；从预设的标准尺寸集合中选取与待处理图片对应的标准尺寸作为目标尺寸；将待处理图片的尺寸调整至目标尺寸，得到调整后的待处理图片；将调整后的待处理图片输入至预先训练的图片处理模型，得到处理结果。
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。