本公开实施例涉及计算机,尤其涉及一种图像处理方法、装置、电子设备及存储介质。
背景技术:
1、现有技术中,利用神经网络模型处理图像时,通常需要在神经网络模型前部署预处理层,以进行图像特征标准化。现有的处理方法,模型推理效率和资源消耗情况都有待优化。
技术实现思路
1、本公开实施例提供了一种图像处理方法、装置、电子设备及存储介质,能够提高模型推理效率,减少资源消耗。
2、第一方面,本公开实施例提供了一种图像处理方法,包括:
3、将原始图像输入第一模型的首层网络;所述第一模型的首层网络由训练完毕的第二模型的首层网络和预处理层融合得到;所述预处理层为除法算子层;
4、通过所述第一模型的首层网络对所述原始图像进行处理。
5、第二方面,本公开实施例还提供了一种图像处理装置,包括:
6、输入模块,用于将原始图像输入第一模型的首层网络;所述第一模型的首层网络由训练完毕的第二模型的首层网络和预处理层融合得到;所述预处理层为除法算子层;
7、处理模块,用于通过所述第一模型的首层网络对所述原始图像进行处理。
8、第三方面,本公开实施例还提供了一种电子设备,所述电子设备包括:
9、一个或多个处理器;
10、存储装置,用于存储一个或多个程序,
11、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本公开实施例任一所述的图像处理方法。
12、第四方面,本公开实施例还提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的图像处理方法。
13、本公开实施例公开了一种图像处理方法、装置、电子设备及存储介质,其中该方法包括:将原始图像输入第一模型的首层网络;第一模型的首层网络由训练完毕的第二模型的首层网络和预处理层融合得到;预处理层为除法算子层;通过第一模型的首层网络对原始图像进行处理。通过将除法算子层作为第二模型的预处理层,能够实现预处理层与第二模型首层网络的算子融合。从而可以在部署融合后的第一模型时,无需部署预处理层,实现将原始图像直接输入第一模型,能够提高模型推理效率,减少资源消耗。
1.一种图像处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述第一模型的首层网络经下述步骤融合:
3.根据权利要求1所述的方法,其特征在于,所述通过所述第一模型的首层网络对所述原始图像进行处理,包括:
4.根据权利要求1所述的方法,其特征在于,若所述第二模型为卷积神经网络模型,则所述第一模型的首层网络由卷积层和预处理层融合得到。
5.根据权利要求1所述的方法,其特征在于,若所述第二模型为多层感知器模型或transformer模型,则所述第一模型的首层网络由矩阵运算层和预处理层融合得到。
6.根据权利要求1所述的方法,其特征在于,还包括:
7.根据权利要求1-6任一所述的方法,其特征在于,所述第一模型的首层网络基于下述步骤融合:
8.一种图像处理装置,其特征在于,包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的图像处理方法。