图像处理方法、神经网络及其训练方法、装置和设备与流程

1.本公开涉及人工智能技术领域，具体涉及计算机视觉、图像处理和深度学习技术，特别涉及一种图像处理方法、神经网络的训练方法、神经网络、电子设备、计算机可读存储介质和计算机程序产品。


背景技术：

2.人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术:人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
3.随着人工智能相关技术的发展与应用，越来越多的领域显露出对智能化、自动化技术的强烈需求，其中图像/视频处理领域就是其中之一。目前，人像分割是该领域中的一个重要分支，应用和落地量大，因此各个应用程序对于人像分割有很大的需求，但是同时也有很高的要求，尤其以精度和速度指标最为重要。
4.在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。


技术实现要素：

5.本公开提供了一种图像处理方法、神经网络的训练方法、神经网络、电子设备、计算机可读存储介质和计算机程序产品。
6.根据本公开的一方面，提供了一种图像处理方法。该包括：利用多个编码层对待处理图像进行协同处理，以得到具有不同尺寸的多个第一特征图；对多个第一特征图中的每一个第一特征图进行特征提取，以得到具有目标尺寸的至少一个第二特征图，目标尺寸包括多个第一特征图中的尺寸最小的第一特征图的尺寸；对尺寸最小的第一特征图进行特征提取，以得到与多个第一特征图各自对应的至少一个第二特征图均不同的第三特征图，其中，第三特征图与尺寸最小的第一特征图的尺寸相同；基于第三特征图的尺寸，在与多个第一特征图各自对应的至少一个第二特征图中确定要进行融合的至少一个第一待融合特征图；将至少一个第一待融合特征图与第三特征图进行融合，以得到第四特征图；以及利用多个解码层对第四特征图进行协同处理，以得到图像处理结果。
7.根据本公开的一方面，提供了一种神经网络的训练方法。神经网络包括多个编码层、多个编码层之后的多个第一特征提取子网络、多个编码层之后的第二特征提取子网络、以及第二特征提取子网络之后的多个解码层。该方法包括：获取样本图像和样本图像的真实标签；利用多个编码层对样本图像进行协同处理，以得到具有不同尺寸的多个第一样本特征图；针对多个第一样本特征图中的每一个第一样本特征图，利用多个第一特征提取子
网络中与该第一样本特征图对应的至少一个第一特征提取子网络对该第一样本特征图进行处理，以得到具有目标尺寸的至少一个第二样本特征图，目标尺寸包括多个第一特征图中的尺寸最小的第一特征图的尺寸；利用第二特征提取子网络对尺寸最小的第一样本特征图进行处理，以得到与多个第一特征图各自对应的至少一个第二特征图均不同的第三样本特征图，其中，第三样本特征图与尺寸最小的第一样本特征图的尺寸相同；基于第三样本特征图的尺寸，在与多个第一样本特征图各自对应的至少一个第二样本特征图中确定至少一个第一待融合样本特征图；将至少一个第一待融合样本特征图与第三样本特征图进行融合，以得到第四样本特征图；利用多个解码层对第四样本特征图进行协同处理，以得到样本图像的预测标签；以及基于预测标签和真实标签计算损失值，以调整神经网络的参数。
8.根据本公开的另一方面，提供了一种用于图像处理的神经网络。该神经网络包括：多个编码层，被配置为对多个编码层对待处理图像进行协同处理，以输出具有不同尺寸的多个第一特征图；多个编码层之后的与多个第一特征图中的每一个第一特征图对应的第一特征提取子网络，被配置为对该第一特征图进行处理，以输出具有目标尺寸的至少一个第二特征图，目标尺寸包括多个第一特征图中的尺寸最小的第一特征图的尺寸；多个编码层之后的第二特征提取子网络，被配置为对尺寸最小的第一特征图进行处理，以输出与多个第一特征图各自对应的至少一个第二特征图均不同的第三特征图，其中，第三特征图与尺寸最小的第一特征图的尺寸相同；第二特征提取子网络之后的第一融合层，被配置为将与多个第一特征图各自对应的至少一个第二特征图中至少一个第一待融合特征图与第三特征图进行融合，以输出第四特征图，其中，至少一个第一待融合特征图是基于第四特征图的尺寸确定的；以及第二特征提取子网络之后的多个解码层，被配置为对第三特征图进行协同处理，以输出图像处理结果。
9.根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，这些指令被至少一个处理器执行，以使至少一个处理器能够执行上述图像处理方法或神经网络训练方法。
10.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，其中，计算机指令用于使计算机执行上述图像处理方法或神经网络训练方法。
11.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，其中，计算机程序在被处理器执行时实现上述图像处理方法或神经网络训练方法。
12.根据本公开的一个或多个实施例，通过在编码阶段对多个尺度的第一特征图分别进行多次处理，能够为每个第一特征图生成包括最深层特征的尺寸的目标尺寸下的第二特征图，进而在对最深层语义特征进行上采样前，将其与该尺寸下的第二特征图进行融合，从而丰富了语义信息，提升图像处理结果的精度。
13.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
14.附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要
求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。
15.图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
16.图2示出了根据本公开示例性实施例的图像处理方法的流程图；
17.图3示出了根据本公开示例性实施例的对每一个第一特征图进行特征提取的流程图；
18.图4示出了根据本公开示例性实施例的对尺寸最小的第一特征图进行特征提取的流程图；
19.图5示出了根据本公开示例性实施例的利用多个解码层对第三特征图进行协同处理的流程图；
20.图6示出了根据本公开示例性实施例的神经网络的训练方法的流程图；
21.图7示出了根据本公开示例性实施例的神经网络的结构框图；
22.图8示出了根据本公开示例性实施例的神经网络的结构框图；以及
23.图9示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
24.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。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。
25.在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
26.在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
27.相关技术中，现有的语义分割网络模型在进行人像分割时效果较差，尤其是在对尺寸较小的人像图像进行语义分割时，细节信息丢失严重，边缘精度很低。
28.为解决上述问题，本公开通过在编码阶段对多个尺度的第一特征图分别进行多次处理，能够为每个第一特征图生成包括最深层特征的尺寸的目标尺寸下的第二特征图，进而在对最深层语义特征进行上采样前，将其与该尺寸下的第二特征图进行融合，从而丰富了语义信息，提升图像处理结果的精度。
29.下面将结合附图详细描述本公开的实施例。
30.图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程
序。
31.在本公开的实施例中，服务器120可以运行使得能够执行图像处理方法或神经网络的训练方法的一个或多个服务或软件应用。
32.在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(saas)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
33.在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。
34.用户可以使用客户端设备101、102、103、104、105和/或106来上传处理前的待处理图像，或观看处理后的图像。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口，例如，客户端可以通过拍摄设备获取待处理图像，并将预览图像发送至服务器。客户端设备还可以经由该接口向用户输出信息，例如，客户端可以向用户输出由服务器处理后的图像。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。
35.客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如microsoft windows、apple ios、类unix操作系统、linux或类linux操作系统(例如google chrome os)；或包括各种移动操作系统，例如microsoft windows mobile os、ios、windows phone、android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(pda)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(sms)应用程序，并且可以使用各种通信协议。
36.网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于tcp/ip、sna、ipx等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(lan)、基于以太网的网络、令牌环、广域网(wan)、因特网、虚拟网络、虚拟专用网络(vpn)、内部网、外部网、公共交换电话网(pstn)、红外网络、无线网络(例如蓝牙、wifi)和/或这些和/或其他网络的任意组合。
37.服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如pc(个人计算机)服务器、unix服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功
能的一个或多个服务或软件应用。
38.服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括http服务器、ftp服务器、cgi服务器、java服务器、数据库服务器等。
39.在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
40.在一些实施方式中，服务器120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。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(vps，virtual private server)服务中存在的管理难度大、业务扩展性弱的缺陷。
41.系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据存储库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据存储库130可以是不同的类型。在某些实施例中，由服务器120使用的数据存储库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
42.在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。
43.图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。
44.根据本公开的一方面，提供了一种图像处理方法。如图2所示，图像处理方法包括：步骤s201、利用多个编码层对待处理图像进行协同处理，以得到具有不同尺寸的多个第一特征图；步骤s202、对多个第一特征图中的每一个第一特征图进行特征提取，以得到具有目标尺寸的至少一个第二特征图，目标尺寸包括多个第一特征图中的尺寸最小的第一特征图的尺寸；步骤s203、对尺寸最小的第一特征图进行特征提取，以得到与多个第一特征图各自对应的至少一个第二特征图均不同的第三特征图，其中，第三特征图与尺寸最小的第一特征图的尺寸相同；步骤s204、基于第三特征图的尺寸，在与多个第一特征图各自对应的至少一个第二特征图中确定要进行融合的至少一个第一待融合特征图；步骤s205、将至少一个第一待融合特征图与第三特征图进行融合，以得到第四特征图；以及步骤s206、利用多个解码层对第四特征图进行协同处理，以得到图像处理结果。
45.由此，通过在编码阶段对多个尺度的第一特征图分别进行多次处理，能够为每个第一特征图生成包括最深层特征的尺寸的目标尺寸下的第二特征图，进而在对最深层语义特征进行上采样前，将其与该尺寸下的第二特征图进行融合，从而丰富了语义信息，提升图
像处理结果的精度。
46.根据一些实施例，待处理图像可以为包括人像的图像，图像处理结果可以为人像分割结果。待处理图像也可以为视频中的一帧。换句话说，上述图像处理方法可以是对包括人像的视频进行人像分割的方法。本公开中将使用人像分割任务作为示例对图像处理方法的步骤和效果进行说明，但并不意图进行限定，本领域技术人员可以将本公开的方法应用于其他图像处理方法中，而均在本公开的保护范围内。
47.相较于其他类型的图像，包括人像的待处理图像可能具有较小的尺寸，例如256
×
256或192
×
192，或具有小于预设尺寸的尺寸。因此，可以在确定待处理图像为满足预设条件的图像时，使用本公开的图像处理方法对其进行处理。
48.多个编码层可以对待处理图像进行卷积、激活、池化、全连接、降采样等操作，以提取待处理图像中的不同语义层级的图像信息。在一些实施例中，可以使用现有的对图像进行编码的神经网络作为多个编码层，也可以自行设计这些编码层的参数和结构，在此不做限定。
49.根据一些实施例，多个编码层可以包括对待处理图像进行逐步降采样的多个降采样层。降采样层例如可以为池化层，也可以为卷积层。可以理解的是，两个降采样层之间还可以包括其他层，例如可以包括不降采样的卷积层，以进一步提取当前尺寸下的语义信息。第一特征图例如可以为最后一次降采样后得到的特征图，即包含最深层语义信息的特征图。
50.根据一些实施例，当多个编码层中包括卷积层时，这些卷积层可以使用可分离卷积，以降低神经网络参数量，提升神经网络的训练速度和神经网络的性能。在一些实施例中，可以在不具有降采样功能的卷积层中使用可分离卷积，从而能够在尽可能保留细节信息的同时降低神经网络的参数量。
51.在一些实施例中，多个编码层中所包括的多个降采样层可以包括四个倍率为2的降采样层。也就是说，在编码过程中，可以得到待处理图像尺寸的1/2、1/4、1/8、以及1/16等四个尺寸的特征图，并且第一特征图例如可以是1/16尺寸的特征图。经试验，使用少于四个倍率为2的降采样层可能会导致细节信息的丢失，从而影响人像分割结果的精度，而使用多于四个倍率为2的降采样层带来的提升非常有限，并且会增加参数量，降低神经网络的性能。
52.根据一些实施例，如图3所示，步骤s202、对多个第一特征图中的每一个第一特征图进行特征提取可以包括：步骤s301、利用第一空洞卷积层对该第一特征图进行处理，以得到对应的第二特征图，其中，对应的第二特征图的尺寸小于该第一特征图的尺寸。由此，通过在基于第一特征图生成更小尺寸的第二特征图时采用空洞卷积，能够增加感受野，以提升人像分割结果的边缘精确度。
53.空洞卷积为一种特殊的卷积，通过间隔采样或类似的方式增大了感受野，而没有改变参数量和计算量。空洞卷积可以利用超参数扩张率来确定相邻的采样点之间的距离，从而调节感受野的范围。
54.根据一些实施例，第一空洞卷积层的扩张率是基于第一空洞卷积层的跨步步长所确定的。由此，通过基于下采样前后的特征图尺寸的比值(即，跨步步长)确定扩张率，能够最大程度提升后续人像分割的边缘精度。在一个示例性实施例中，第一空洞卷积层的扩展
率可以与跨步步长相等。例如，用于基于1/2的第一特征图生成1/4的第二特征图的第一空洞卷积层的扩张率可以是2，用于基于1/2的第一特征图生成1/8的第二特征图的第一空洞卷积层的扩张率可以是4，用于基于1/2的第一特征图生成1/16的第二特征图的第一空洞卷积层的扩张率可以是8。
55.根据一些实施例，步骤s202、对多个第一特征图中的每一个第一特征图进行特征提取还可以包括：步骤s302、利用第二上采样层对该第一特征图进行上采样；以及步骤s303、利用至少一个第一卷积层对上采样后的该第一特征图进行处理，以得到对应的第二特征图，其中，对应的第二特征图的尺寸大于该第一特征图的尺寸。
56.根据一些实施例，步骤s202、对多个第一特征图中的每一个第一特征图进行特征提取还可以包括：步骤s304、利用至少一个第二卷积层对对应的第一特征图进行处理，以得到对应的第二特征图，其中，对应的第二特征图的尺寸等于该第一特征图的尺寸。
57.根据一些实施例，如图4所示，步骤s203、对尺寸最小的第一特征图进行特征提取可以包括：步骤s401、利用并联的多个第二空洞卷积层分别对尺寸最小的第一特征图进行处理，以得到多个第四特征图；步骤s402、将多个第四特征图进行融合，以得到第五特征图；以及步骤s403、利用串联的多个第三空洞卷积层对第五特征图进行处理，以得到第三特征图。由此，通过使用并联和串联的空洞卷积对最深层语义特征进行处理，能够在深层语义下进一步融合不同感受野大小的信息，丰富了特征图所包括的语义信息，从而能够提升人像分割结果的精度。
58.在一些实施例中，可以使用扩张率分别为1、2、4、6的四个空洞卷积对第一特征图进行处理，以得到四个第四特征图。这些第四特征图可以具有相同的尺寸。可以理解的是，本领域技术人员可以根据需求自行设置多个第二空洞卷积层的数量及其扩张率，在此不做限定。
59.在一些实施例中，多个第二空洞卷积层还可以进一步并联其他神经网络层，例如池化层，以进一步丰富输出的多个第四特征图所包括的语义信息。
60.根据一些实施例，步骤s402、将多个第四特征图进行融合例如可以为将多个第四特征图进行直接拼接，也可以为将多个第四特征图进行点对点相加，还可以为在上述方式的基础上使用1
×
1的卷积核进行进一步处理，或者使用其他方式进行融合，在此不做限定。在一个示例性实施例中，使用直接拼接的方式对多个第四特征图进行融合，以充分保留在最深层语义层次下通过不同感受野所获取到的图像信息。
61.在得到第五特征图后，可以利用串联的多个第三空洞卷积层分别对第五特征图进行处理，以得到第三特征图。
62.在一些实施例中，可以使用扩张率分别为2、4、6的三个空洞卷积对第五特征图进行处理，以得到第三特征图。第三特征图的尺寸可以与第五特征图相同。可以理解的是，本领域技术人员可以根据需求自行设置多个第三空洞卷积层的数量及其扩张率，在此不做限定。
63.在得到第三特征图之后，可以基于第三特征图的尺寸在与多个第一特征图各自对应的至少一个第二特征图中确定要进行融合的至少一个第一待融合特征图。在一些实施例中，可以将与第三特征图具有相同尺寸的第二特征图确定为第一待融合特征图，从而将这些第一待融合特征图与第三特征图进行融合，以得到第四特征图。
64.在得到第四特征图之后，可以使用多个解码器对其进行处理，以得到图像处理结果。
65.多个解码层可以对特征图进行上采样、反卷积、激活、池化、全连接等操作，以将特征图中的图像信息解码成图像。在一些实施例中，可以使用现有的对图像特征进行解码的神经网络作为多个解码层，也可以自行设计这些解码层的参数和结构，在此不做限定。
66.根据一些实施例，多个编码层可以包括对第三特征图进行逐步上采样的多个上采样层。上采样层例如可以为反卷积层。在一个示例性实施例中，多个上采样层例如可以包括三个倍率为2的上采样层，从而能够将尺寸为1/16的第三特征图逐步上采样为尺寸为1/8、1/4、以及1/2的特征图。通过逐步上采样，能够尽可能地保留每一个尺度下的语义信息，尤其在待处理图像较小的情况下，能够充分保留细节信息，以提升人像分割结果的边缘精度。
67.根据一些实施例，多个解码层包括对第四特征图进行逐步上采样的多个上采样层。如图5所示，步骤s206、利用多个解码层对第三特征图进行协同处理，以得到图像处理结果可以包括：步骤s501、利用多个上采样层中的每一个上采样层对该上采样层接收到的特征图进行上采样，以得到第二待融合特征图；步骤s502、基于第二待融合特征图的尺寸，在与多个第一特征图各自对应的至少一个第二特征图中确定至少一个第三待融合特征图；以及步骤s503、将第二待融合特征图和至少一个第三待融合特征图进行融合。图5中步骤s502、s503的操作与图2中步骤s204、s205的操作类似，在此不做赘述。
68.根据一些实施例，与每一个第一特征图对应的至少一个第二特征图的数量与多个第一特征图的数量相同，对应的至少一个第二特征图的尺寸与多个第一特征图的尺寸相关联。由此，可以在逐步上采样时，将每一个上采样后得到的特征图与编码阶段生成的第二特征图进行融合，以最大程度丰富语义信息。
69.根据一些实施例，多个解码层还可以包括将特征图还原为具有待处理图像尺寸的网络结构，以得到图像处理结果。
70.根据本公开的另一方面，提供了一种神经网络的训练方法。神经网络包括多个编码层、多个编码层之后的多个第一特征提取子网络、多个编码层之后的第二特征提取子网络、以及第二特征提取子网络之后的多个解码层。如图6所示，该方法包括：步骤s601、获取样本图像和样本图像的真实标签；步骤中s602、利用多个编码层对样本图像进行协同处理，以得到具有不同尺寸的多个第一样本特征图；步骤s603、针对多个第一样本特征图中的每一个第一样本特征图，利用多个第一特征提取子网络中与该第一样本特征图对应的至少一个第一特征提取子网络对该第一样本特征图进行处理，以得到具有目标尺寸的至少一个第二样本特征图，目标尺寸包括多个第一特征图中的尺寸最小的第一特征图的尺寸；步骤s604、利用第二特征提取子网络对尺寸最小的第一样本特征图进行处理，以得到与多个第一特征图各自对应的至少一个第二特征图均不同的第三样本特征图，其中，第三样本特征图与尺寸最小的第一样本特征图的尺寸相同；步骤s605、基于第三样本特征图的尺寸，在与多个第一样本特征图各自对应的至少一个第二样本特征图中确定至少一个第一待融合样本特征图；步骤s606、将至少一个第一待融合样本特征图与第三样本特征图进行融合，以得到第四样本特征图；步骤s607、利用多个解码层对第四样本特征图进行协同处理，以得到样本图像的预测标签；以及步骤s608、基于预测标签和真实标签计算损失值，以调整神经网络的参数。
71.可以理解的是，图6中的步骤s602-s607的操作与图2中的步骤s201-s206的操作类似，在此不做赘述。
72.由此，通过在编码阶段对多个尺度的第一特征图分别进行多次处理，能够为每个第一特征图生成包括最深层特征的尺寸的目标尺寸下的第二特征图，进而在对最深层语义特征进行上采样前，将其与该尺寸下的第二特征图进行融合，从而丰富了语义信息，提升利用该训练方法训练得到的神经网络进行图像处理的精度。
73.根据本公开的另一方面提供了一种神经网络。如图7所示，该神经网络700包括：多个编码层710，被配置为对多个编码层对待处理图像702进行协同处理，以输出具有不同尺寸的多个第一特征图；多个编码层之后的与多个第一特征图中的每一个第一特征图对应的第一特征提取子网络720，被配置为对该第一特征图进行处理，以输出具有目标尺寸的至少一个第二特征图760，目标尺寸包括多个第一特征图中的尺寸最小的第一特征图的尺寸；多个编码层之后的第二特征提取子网络730，被配置为对尺寸最小的第一特征图进行处理，以输出与多个第一特征图各自对应的至少一个第二特征图均不同的第三特征图，其中，第三特征图与尺寸最小的第一特征图的尺寸相同；第二特征提取子网络之后的第一融合层740，被配置为将与多个第一特征图各自对应的至少一个第二特征图中至少一个第一待融合特征图与第三特征图进行融合，以输出第四特征图，其中，至少一个第一待融合特征图是基于第四特征图的尺寸确定的；以及第二特征提取子网络之后的多个解码层750，被配置为对第三特征图进行协同处理，以输出图像处理结果。神经网络700中的层710-730、750的操作分别与图2中的步骤s201-s203、s206的操作类似，层740的操作与图2中的步骤s204、s205类似，在此不做赘述。
74.由此，通过在编码阶段对多个尺度的第一特征图分别进行多次处理，能够为每个第一特征图生成包括最深层特征的尺寸的目标尺寸下的第二特征图，进而在对最深层语义特征进行上采样前，将其与该尺寸下的第二特征图进行融合，从而丰富了语义信息，提升图像处理结果的精度。
75.根据一些实施例，如图8所示，多个解码层850可以包括：对第四特征图进行逐步上采样的多个上采样层852，多个上采样层中的每一个上采样层被配置为对接收到的特征图进行上采样，以得到第二待融合特征图；以及与多个上采样层对应的多个第二融合层854，多个第二融合层中的每一个第二融合层被配置为将接收到的第二待融合特征图和至少一个第三待融合特征图进行融合以输出，至少一个第三待融合特征图是基于第二待融合特征图的尺寸在与多个第一特征图各自对应的至少一个第二特征图中确定的。图8中的待处理图像802、图像处理结果804、多个编码层810、第一特征提取子网络820、第二特征提取子网络830、第一融合层840、多个解码层850与图7中的相应网络结构的操作类似，在此不做赘述。
76.根据一些实施例，第一特征提取子网络可以包括：至少一个第一空洞卷积层，被配置为对对应的第一特征图进行空洞卷积，以输出对应的第二特征图，其中，对应的第二特征图的尺寸小于该第一特征图的尺寸。
77.根据一些实施例，第一特征提取子网络可以包括：第二上采样层，被配置为对对应的第一特征图进行上采样；以及至少一个第一卷积层，被配置为对上采样后的对应的第一特征图进行卷积，以输出对应的第二特征图，其中，对应的第二特征图的尺寸大于该第一特
征图的尺寸。
78.根据一些实施例，第一特征提取子网络可以包括：至少一个第二卷积层，被配置为对对应的第一特征图进行卷积，以输出对应的第二特征图，其中，对应的第二特征图的尺寸等于该第一特征图的尺寸。
79.根据一些实施例，第二特征提取子网络可以包括：并联的多个第二空洞卷积层，多个第二空洞卷积层中的每一个第二空洞卷积层被配置为对尺寸最小的第一特征图进行空洞卷积，以输出第四特征图；多个第二空洞卷积层之后的融合层，被配置为将多个第二空洞卷积层输出的多个第四特征图进行融合，以输出第五特征图；融合层之后的串联的多个第三空洞卷积层，被配置为对第五特征图连续进行多次空洞卷积，以输出第三特征图。
80.根据一些实施例，第一特征提取子网络输出的至少一个第二特征图的数量可以与多个第一特征图的数量相同，输出的至少一个第二特征图的尺寸可以与多个第一特征图的尺寸相关联。
81.本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
82.根据本公开的实施例，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。
83.参考图9，现将描述可以作为本公开的服务器或客户端的电子设备800的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，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/或者要求的本公开的实现。
84.如图9所示，设备900包括计算单元901，其可以根据存储在只读存储器(rom)902中的计算机程序或者从存储单元908加载到随机访问存储器(ram)903中的计算机程序，来执行各种适当的动作和处理。在ram 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、rom 902以及ram 903通过总线904彼此相连。输入/输出(i/o)接口905也连接至总线904。
85.设备900中的多个部件连接至i/o接口905，包括：输入单元906、输出单元907、存储单元908以及通信单元909。输入单元906可以是能向设备900输入信息的任何类型的设备，输入单元906可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元907可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元908可以包括但不限于磁盘、光盘。通信单元909允许设备900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，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙tm设备、802.11设备、wifi设备、wimax设备、蜂窝通信设备和/或类似物。
86.计算单元901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901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901执行上文所描述的各个方法和处理，例如图像处理方法或神经网络的训练方法。例如，在一些实施例中，图像处理方法或神经网络的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908。在一些实施例中，计算机程序的部分或者全部可以经由rom 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到ram 903并由计算单元901执行时，可以执行上文描述的图像处理方法或神经网络的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901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神经网络的训练方法。
87.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。
88.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。
89.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。
90.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。
91.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。
92.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，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务("virtual private server"，或简称"vps")中，存在的管理难度大，业务扩展性弱的缺陷。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。
93.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、也可以顺序地或以不同的次序执行，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。
94.虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。