[發(fā)明專利]圖像處理方法、裝置及終端

有效

• 申請(qǐng)?zhí)枺?/td>: 201711219332.9
• 申請(qǐng)日: 2017-11-28
• 公開（公告）號(hào): CN108108738B
• 公開（公告）日: 2018-11-16
• 發(fā)明（設(shè)計(jì)）人: 張志偉;楊帆
• 申請(qǐng)（專利權(quán)）人: 北京達(dá)佳互聯(lián)信息技術(shù)有限公司
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46
• 代理公司: 北京潤(rùn)澤恒知識(shí)產(chǎn)權(quán)代理有限公司 11319
• 代理人: 莎日娜

本發(fā)明實(shí)施例提供了一種圖像處理方法、裝置及終端，其中所述方法包括：通過卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行卷積處理的過程中，判斷當(dāng)前預(yù)調(diào)用的第一卷積層是否設(shè)置有第一片選模塊；若所述第一卷積層設(shè)置有第一片選模塊，將前一卷積層的輸出數(shù)據(jù)分別輸入至所述第一片選模塊以及所述第一卷積層中；調(diào)用所述第一片選模塊，由所述第一片選模塊依據(jù)所述前一卷積層的輸出數(shù)據(jù)，從所述第一卷積層包含的特征圖中確定目標(biāo)特征圖；調(diào)用所述第一卷積層，由所述第一卷積層依據(jù)所述目標(biāo)特征圖對(duì)所述前一卷積層的輸出數(shù)據(jù)進(jìn)行卷積處理，得到輸出數(shù)據(jù)。通過本發(fā)明實(shí)施例提供的圖像處理方法，能夠減小計(jì)算量，從而提高任務(wù)處理效率。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是涉及一種圖像處理方法、裝置及終端。

背景技術(shù)

深度學(xué)習(xí)在視頻圖像、語(yǔ)音識(shí)別、自然語(yǔ)言處理等相關(guān)領(lǐng)域得到了廣泛應(yīng)用。卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)的一個(gè)重要分支，由于其超強(qiáng)的擬合能力以及端到端的全局優(yōu)化能力，使得其在目標(biāo)檢測(cè)、分類等計(jì)算機(jī)視覺任務(wù)中所得預(yù)測(cè)結(jié)果的精度大幅提升。

但是卷積神經(jīng)網(wǎng)絡(luò)屬于計(jì)算密集型算法，計(jì)算量大在中央處理器上處理速度慢，任務(wù)處理效率低，導(dǎo)致其難以在實(shí)時(shí)性要求較高的任務(wù)中使用。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種圖像處理方法、裝置及終端，以解決現(xiàn)有技術(shù)中存在卷積神經(jīng)網(wǎng)絡(luò)對(duì)任務(wù)的處理效率低的問題。

依據(jù)本發(fā)明的一個(gè)方面，提供了一種圖像處理方法，包括：通過卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行卷積處理的過程中，判斷當(dāng)前預(yù)調(diào)用的第一卷積層是否設(shè)置有第一片選模塊；其中，所述卷積神經(jīng)網(wǎng)絡(luò)中包含多個(gè)卷積層，每個(gè)卷積層中包含多張?zhí)卣鲌D；所述第一卷積層設(shè)置有第一片選模塊，將前一卷積層的輸出數(shù)據(jù)分別輸入至所述第一片選模塊以及所述第一卷積層中；調(diào)用所述第一片選模塊，由所述第一片選模塊依據(jù)所述前一卷積層的輸出數(shù)據(jù)，從所述第一卷積層包含的特征圖中確定目標(biāo)特征圖；調(diào)用所述第一卷積層，由所述第一卷積層依據(jù)所述目標(biāo)特征圖對(duì)所述前一卷積層的輸出數(shù)據(jù)進(jìn)行卷積處理，得到輸出數(shù)據(jù)。

可選地，所述調(diào)用所述第一片選模塊，由所述第一片選模塊依據(jù)所述前一卷積層的輸出數(shù)據(jù)，從所述第一卷積層包含的特征圖中，確定目標(biāo)特征圖的步驟，包括：調(diào)用所述第一片選模塊，由所述第一片選模塊依據(jù)所述前一卷積層的輸出數(shù)據(jù)，生成特征圖權(quán)重向量；其中，特征圖權(quán)重向量中的每個(gè)點(diǎn)對(duì)應(yīng)一個(gè)所述第一卷積層中的特征圖以及一個(gè)權(quán)重值；依據(jù)預(yù)設(shè)加速比，確定目標(biāo)特征個(gè)數(shù)N；將所述特征圖權(quán)重向量中前N個(gè)點(diǎn)外的其他點(diǎn)的權(quán)重值調(diào)整為0，將調(diào)整后的特征圖權(quán)重向量輸入至所述第一卷積層中；其中，前N個(gè)點(diǎn)對(duì)應(yīng)的特征圖為目標(biāo)特征圖。

可選地，所述調(diào)用所述第一卷積層，由所述第一卷積層依據(jù)所述目標(biāo)特征圖對(duì)所述前一卷積層的輸出數(shù)據(jù)進(jìn)行卷積處理，得到輸出數(shù)據(jù)的步驟，包括：調(diào)用所述第一卷積層，由所述第一卷積層依據(jù)調(diào)整后的特征圖權(quán)重向量確定所述目標(biāo)特征圖；依據(jù)所述目標(biāo)特征圖對(duì)所述前一卷積層的輸出數(shù)據(jù)進(jìn)行卷積處理，得到輸出數(shù)據(jù)。

可選地，所述方法還包括：在所述第一卷積層未設(shè)置第一片選模塊時(shí)，將前一卷積層的輸出數(shù)據(jù)分別輸入至所述第一卷積層中；調(diào)用所述第一卷積層，由所述第一卷積層依據(jù)包含的全部特征圖對(duì)所述前一卷積層的輸出數(shù)據(jù)進(jìn)行卷積處理，得到輸出數(shù)據(jù)。

根據(jù)本發(fā)明的另一方面，提供了一種圖像處理裝置，所述裝置包括：判斷模塊，被配置為通過卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行卷積處理的過程中，判斷當(dāng)前預(yù)調(diào)用的第一卷積層是否設(shè)置有第一片選模塊；其中，所述卷積神經(jīng)網(wǎng)絡(luò)中包含多個(gè)卷積層，每個(gè)卷積層中包含多張?zhí)卣鲌D；第一輸入模塊，被配置為在所述第一卷積層設(shè)置有第一片選模塊時(shí)，將前一卷積層的輸出數(shù)據(jù)分別輸入至所述第一片選模塊以及所述第一卷積層中；第一調(diào)用模塊，被配置為調(diào)用所述第一片選模塊，由所述第一片選模塊依據(jù)所述前一卷積層的輸出數(shù)據(jù)，從所述第一卷積層包含的特征圖中確定目標(biāo)特征圖；第二調(diào)用模塊，被配置為調(diào)用所述第一卷積層，由所述第一卷積層依據(jù)所述目標(biāo)特征圖對(duì)所述前一卷積層的輸出數(shù)據(jù)進(jìn)行卷積處理，得到輸出數(shù)據(jù)。