图像处理方法、装置、计算机设备和存储介质与流程

技术特征：
1.一种图像处理方法，其特征在于，所述方法包括：根据待处理图像集对应的最大数据形状，将预设的神经网络模型编译为有向图；在目标数据形状不大于所述最大数据形状的情况下，基于所述目标数据形状对所述有向图进行优化，得到优化后的有向图；所述目标数据形状为所述神经网络模型当前阶段待处理的目标图像对应的数据形状；利用所述优化后的有向图对所述目标图像进行处理，得到所述目标图像对应的处理结果。2.根据权利要求1所述的方法，其特征在于，所述基于所述目标数据形状对所述有向图进行优化，得到优化后的有向图，包括：调用预设的优化方法；利用所述优化方法和所述目标数据形状，对所述有向图进行优化，得到所述优化后的有向图。3.根据权利要求2所述的方法，其特征在于，所述利用所述优化方法和所述目标数据形状，对所述有向图进行优化，得到所述优化后的有向图，包括：利用所述优化方法和所述目标数据形状，对所述有向图的各个节点对应的算子和编译期进行优化，得到所述优化后的有向图。4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：根据所述待处理图像集中各图像的属性信息，确定所述最大数据形状；所述属性信息包括图像的尺寸和图像的分辨率。5.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：利用所述神经网络模型对应的约束条件，确定所述最大数据形状。6.根据权利要求1-3任一项所述的方法，其特征在于，所述根据待处理图像集对应的最大数据形状，将预设的神经网络模型编译为对应的有向图，包括：根据所述最大数据形状，将所述神经网络模型的各层结构作为节点，将所述各层结构之间的连接关系作为边，构建所述有向图。7.一种图像处理装置，其特征在于，所述装置包括：编译模块，用于根据待处理图像集对应的最大数据形状，将预设的神经网络模型编译为对应的有向图；优化模块，用于在目标数据形状小于或等于所述最大数据形状的情况下，基于所述目标数据形状对所述有向图进行优化，得到优化后的有向图；所述目标数据形状为所述神经网络模型当前阶段待处理的目标图像对应的数据形状；处理模块，用于利用所述优化后的有向图对所述目标图像进行处理，得到所述目标图像对应的处理结果。8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本申请涉及一种图像处理方法、装置、计算机设备和存储介质。所述方法包括：根据待处理图像集对应的最大数据形状，将预设的神经网络模型编译为有向图；在目标数据形状不大于所述最大数据形状的情况下，基于所述目标数据形状对所述有向图进行优化，得到优化后的有向图；所述目标数据形状为所述神经网络模型当前阶段待处理的目标图像对应的数据形状；利用所述优化后的有向图对所述目标图像进行处理，得到所述目标图像对应的处理结果。采用本方法能够扩大神经网络模型的运行场景。扩大神经网络模型的运行场景。扩大神经网络模型的运行场景。


技术研发人员：钱青 胡辰 卜景德 田丽红
受保护的技术使用者：曙光信息产业（北京）有限公司
技术研发日：2022.11.10
技术公布日：2023/2/3