(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210139572.2 (22)申请日 2022.02.15 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 武秉泓　杨叶辉　王兆玮　杨大陆　 王晓荣　王磊　黄海峰　 (74)专利代理 机构 中科专利商标代理有限责任 公司 11021 专利代理师 王江选 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06K 9/62(2022.01) (54)发明名称 图像处理方法、 深度学习模型的训练方法、 装置和设备 (57)摘要 本公开提供了一种图像处理方法， 涉及人工 智能领域， 尤其涉及深度学习领域。 具体实现方 案为： 根据待处理图像的第一特征图， 确定移位 偏移值； 根据移位偏移值， 对第一特征图中的数 据块进行移位， 得到移位后的第一特征图； 以及 根据移位后的第一特征图， 得到待处理图像的第 二特征图。 本公开还提供了一种深度学习模型的 训练方法、 装置、 电子设备和存 储介质。 权利要求书3页 说明书11页 附图9页 CN 114463561 A 2022.05.10 CN 114463561 A 1.一种图像处 理方法， 包括： 根据待处 理图像的第一特 征图， 确定移位偏移值； 根据所述移位偏移值， 对所述第一特征图中的数据块进行移位， 得到移位后的第一特 征图； 以及 根据所述移位后的第一特 征图， 得到所述待处 理图像的第二特 征图。 2.根据权利要求1所述的方法， 其中， 所述 根据所述第一特 征图， 确定移位偏移值包括： 确定所述第一特 征图的第一特 征子图和第二特 征子图； 分别确定所述第一特 征子图的第一均值和第二特 征子图的第二均值； 以及 根据所述第一均值和第二均值， 确定所述移位偏移值。 3.根据权利要求2所述的方法， 其中， 所述分别确定所述第 一特征子图的第 一均值和第 二特征子图的第二均值包括： 通过对所述第 一特征子图和第 二特征子图分别进行全局 平均池化， 确定所述第 一均值 和所述第二均值。 4.根据权利要求2或3所述的方法， 其中， 所述根据 所述第一均值和第 二均值， 确定所述 移位偏移值包括； 对所述第一均值和第二均值分别进行归一化， 得到第一比例和第二比例， 作为所述移 位偏移值。 5.根据权利要求4所述的方法， 其中， 所述根据所述移位偏移值， 对所述第一特征图中 的数据块进行移位， 得到移位后的第一特 征图包括： 分别将所述第 一比例和第 二比例应用于所述第 一特征图， 得到第 一特征图中的第 一数 据块和第二数据块； 以及 将所述第一数据块和第二数据块进行移位， 得到所述移位后的第一特 征图。 6.根据权利要求1 ‑5之一所述的方法， 其中， 所述根据所述移位后的第一特征图， 得到 所述待处 理图像的第二特 征图包括： 将所述移位后的第一特 征图划分为多个特 征图块； 以及 对所述多个特 征图块进行处 理， 得到所述待处 理图像的第二特 征图。 7.根据权利要求6所述的方法， 其中， 所述对所述多个特征图块进行处理， 得到所述待 处理图像的第二特 征图包括： 针对所述多个特征图块中的每个特征图块， 进行多头自注意力特征检测， 得到所述待 处理图像的第二特 征图。 8.根据权利要求1所述的方法， 还 包括： 根据所述待处 理图像的第二特 征图， 检测所述待处 理图像中的目标对象。 9.一种深度学习模型的训练方法， 所述深度学习模型包括第一子网络和第二子网络， 所述方法包括： 将样本图像输入第一子网络， 得到第一特 征图； 将所述第一特 征图输入第二子网络， 得到所述待处 理图像的第二特 征图； 根据所述第二特 征图， 得到所述样本图像的检测值； 以及 根据所述样本图像的检测值与所述样本图像的标签之间的差异， 调 整所述第 一子网络 的参数和所述第二子网络的参数， 得到经训练的深度学习模型；权　利　要　求　书 1/3 页 2 CN 114463561 A 2其中， 所述第二特 征图是通过以下操作得到的： 对所述第一特 征图中的数据块进行移位， 得到移位后的第一特 征图； 以及 根据所述移位后的第一特 征图， 得到所述待处 理图像的第二特 征图。 10.根据权利要求9所述的方法， 其中， 所述深度学习 模型包括多个特征提取级， 每个特 征提取级包括所述第一子网络和所述第二子网络； 所述第二子网络包括多头自注意力检测分支和移位偏移值确定分支。 11.根据权利要求10所述的方法， 其中， 所述移位偏移值确定分支包括： 卷积层， 用于确定所述第一特 征图的第一特 征子图和第二特 征子图； 全局平均池化层， 用于分别确定所述第 一特征子图的第 一均值和第 二特征子图的第 二 均值； 以及 映射层， 用于将所述第一均值和第二均值分别映射到预定范围数值内。 12.一种图像处 理装置， 包括： 确定模块， 用于根据待处 理图像的第一特 征图， 确定移位偏移值； 移位模块， 用于根据 所述移位偏移值， 对所述第 一特征图中的数据块进行移位， 得到移 位后的第一特 征图； 以及 第一获得模块， 用于根据所述移位后的第一特征图， 得到所述待处理图像的第二特征 图。 13.根据权利要求12所述的装置， 其中， 所述确定模块包括： 第一确定 子模块， 用于确定所述第一特 征图的第一特 征子图和第二特 征子图； 第二确定子模块， 用于分别确定所述第 一特征子图的第 一均值和第 二特征子图的第 二 均值； 以及 第三确定 子模块， 用于根据所述第一均值和第二均值， 确定所述移位偏移值。 14.根据权利要求12所述的装置， 其中， 所述第二确定 子模块包括： 全局平均池化单元， 用于通过对所述第 一特征子图和第 二特征子图分别进行全局 平均 池化， 确定所述第一均值和所述第二均值。 15.根据权利要求12或13所述的装置， 其中， 所述第三确定 子模块包括； 归一化单元， 用于对所述第一均值和第二均值分别进行归一化， 得到第一比例和第二 比例， 作为所述移位偏移值。 16.根据权利要求14所述的装置， 其中， 所述移位模块包括： 第一获得子模块， 用于分别将所述第一比例和第二比例应用于所述第一特征图， 得到 第一特征图中的第一数据块和第二数据块； 以及 第一移位子模块， 用于将所述第一数据块和第二数据块进行移位， 得到所述移位后的 第一特征图。 17.根据权利要求12 ‑16之一所述的装置， 其中， 所述第一获得模块包括： 划分子模块， 用于将所述移位后的第一特 征图划分为多个特 征图块； 以及 处理子模块， 用于对所述多个特 征图块进行处 理， 得到所述待处 理图像的第二特 征图。 18.根据权利要求17 所述的装置， 其中， 所述处 理子模块包括： 多头自注意力特征检测单元， 用于针对所述多个特征图块中的每个特征图块， 进行多 头自注意力特 征检测， 得到所述待处 理图像的第二特 征图。权　利　要　求　书 2/3 页 3 CN 114463561 A 3