[發明專利]一種數據處理方法和裝置有效
| 申請號： | 201710437809.4 | 申請日： | 2017-06-12 |
| 公開（公告）號： | CN109034384B | 公開（公告）日： | 2021-06-22 |
| 發明（設計）人： | 林志 | 申請（專利權）人： | 浙江宇視科技有限公司 |
| 主分類號： | G06N3/08 | 分類號： | G06N3/08 |
| 代理公司： | 北京超凡志成知識產權代理事務所(普通合伙) 11371 | 代理人： | 吳開磊 |
| 地址： | 310051 浙江省杭州市濱*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 數據處理 方法 裝置 | ||
1.一種數據處理方法，應用于包含卷積層和BN批量標準化層的深度學習網絡中，其特征在于，所述方法具體包括：
通過BN層的參數，對卷積層數據處理規則中的參數進行修正；其中，所述通過BN層的參數，對卷積層數據處理規則中的參數進行修正，包括，
通過BN層的第一參數，對卷積層數據處理規則中的卷積核對應值進行修正，生成融合層的卷積核對應值，所述BN層的第一參數包括BN層的縮放因子、訓練樣本的標準差以及極小正值；
通過BN層的第二參數，對卷積層數據處理規則中的偏置值進行修正，生成融合層的偏置值，所述BN層的第二參數包括BN層的縮放因子、偏置值、訓練樣本的均值、訓練樣本的標準差以及極小正值；
通過修正后的參數，對卷積層數據處理規則進行修正，生成融合層數據處理規則，其中，所述修正后的參數包括所述融合層的卷積核對應值以及所述融合層的偏置值；所述通過修正后的參數，對卷積層數據處理規則進行修正，生成融合層數據處理規則，具體根據以下公式完成：
其中，BN(i，j)，表示坐標(i，j)的融合層輸出的像素值；
conv(i，j)′，表示修正后的卷積層數據處理規則；
kh，表示待處理數據的卷積核的高；
kw，表示待處理數據的卷積核的寬；
image(i+x，j+y)，表示相對與坐標(i，j)偏移(x，y)對應的像素值；
kernel(x，y)′，表示融合層的卷積核對應值；
b′，表示融合層的偏置值；
當接收到待處理數據時，通過所述融合層數據處理規則進行處理，并輸出處理結果。
2.如權利要求1所述的方法，其特征在于，所述通過BN層的第一參數，對卷積層數據處理規則中的卷積核對應值進行修正，生成融合層的卷積核對應值，具體根據以下公式完成：
其中，kernel(x，y)，表示卷積層數據處理規則中的卷積核對應的值；
γ，表示BN層的縮放因子；
σB，表示BN層的訓練樣本的標準差；
ε，表示BN層的極小正直；
kernel(x，y)′，表示融合層的卷積核對應值。
3.如權利要求1所述的方法，其特征在于，所述通過BN層的第二參數，對卷積層數據處理規則中的偏置值進行修正，生成融合層的偏置值，具體根據以下公式完成：
其中，b表示卷積層數據處理規則中的偏置值；
γ，表示BN層的縮放因子；
β，表示BN層的偏置值；
μB，表示BN層的訓練樣本的均值；
σB，表示BN層的訓練樣本的標準差；
ε，表示BN層的極小正值；
b′，表示融合層的偏置值。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于浙江宇視科技有限公司，未經浙江宇視科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710437809.4/1.html，轉載請聲明來源鉆瓜專利網。
