[發明專利]卷積處理方法、裝置及存儲介質

有效

• 申請號: 201711283903.5
• 申請日: 2017-12-07
• 公開（公告）號: CN107967459B
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 萬韶華
• 申請（專利權）人: 北京小米移動軟件有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 林錦瀾

本公開是關于一種卷積處理方法及裝置，屬于圖像處理技術領域。所述方法包括：當需要對目標特征圖進行卷積處理時，對于至少一個卷積核中的每個卷積核，根據該卷積核包括的至少兩個子卷積核中每個子卷積核的加權系數對該目標特征圖進行卷積處理，得到與每個卷積核對應的激活圖。也即，在本公開實施例中，當通過一個卷積核對目標特征圖進行卷積處理時，是通過該卷積核包括的子卷積核對該目標特征圖進行卷積處理。由于子卷積核的高度、寬度和通道數三個參數中存在至少一個參數為1，因此可以降低一次卷積處理過程中的計算量，提高了通過卷積處理進行人臉識別的速度。

技術領域

本公開涉及圖像處理技術領域，尤其涉及一種卷積處理方法、裝置及存儲介質。

背景技術

近年來，隨著圖像處理技術的發展，CNN(Convolution Neural Network，卷積神經網絡)模型因其無需對圖像進行復雜的預處理而得到廣泛的應用。尤其在通過圖像進行人臉識別的過程中，利用CNN模型中卷積層和池化層依次對該圖像進行卷積處理和池化處理，可以快速提取該圖像中的特征，以實現快速進行人臉識別。其中，卷積處理作為池化處理的預處理步驟，對實現快速進行人臉識別起著至關重要的作用。

相關技術中，當需要對圖像進行卷積處理時，確定該圖像的特征圖(FeatureMap)，并對該圖像的特征圖進行卷積處理，得到激活圖(Activation Map)，以便后續對該激活圖進行池化處理。其中，該圖像的特征圖采用三個參數來描述，分別為高度、寬度和通道數，高度和寬度分別是該圖像在高度方向的像素大小和在寬度方向的像素大小，通道數是指描述該圖像的變量的個數。比如，對于采用RGB(Red、Green、Blue，三原色光模式)方式描述的圖像，該圖像的像素大小為120×240，則該圖像的特征圖的高度為120、寬度為240、通道數為3。

如圖1所示，將描述該特征圖的三個參數，即高度、寬度和通道數分別標記為H、W和C。當對該特征圖進行卷積處理時，獲取已經訓練的卷積核，該卷積核也包括三個參數，即高度、寬度和通道數，并且實際應用中，該卷積核通常為正方形卷積核，也即卷積核的高度和寬度相同，如圖1所示，將卷積核的高度、寬度和深度分別標記為t、t和C。假設卷積的步長為1，則按照每次移動一個像素點的方式將該卷積核依次滑過該特征圖，在卷積核每移動一次之后，確定該特征圖中與該卷積核所處位置對應的局部區域內的像素點，并將確定的像素點的像素值按照該卷積核中對應的加權系數進行加權處理，得到激活圖中對應像素點處的像素值。當卷積核滑過該整個圖像時，得到與該卷積核對應的激活圖中的所有像素點的像素值，也即得到與該卷積核對應的激活圖。

發明內容

為克服相關技術中存在的問題，本公開提供了一種卷積處理方法、裝置及存儲介質。

根據本公開實施例的第一方面，提供一種卷積處理方法，所述方法包括：

確定用于對目標特征圖進行卷積處理的至少一個卷積核；

其中，每個卷積核包括至少兩個子卷積核，每個子卷積核的高度、寬度和通道數三個參數中存在至少一個參數為1，其他參數與所屬的卷積核中對應的參數的大小相同；

根據每個卷積核包括的至少兩個子卷積核的加權系數對所述目標特征圖進行卷積處理，得到與每個卷積核對應的激活圖。

可選地，每個卷積核包括三個子卷積核，每個子卷積核的高度、寬度和通道數三個參數中存在兩個參數為1，其他一個參數與所屬的卷積核中對應的參數的大小相同；

所述根據每個卷積核包括的至少兩個子卷積核的加權系數對所述目標特征圖進行卷積處理，包括：

根據第一子卷積核的加權系數，對所述目標特征圖進行第一次卷積處理，得到第一卷積圖，所述第一子卷積核為目標卷積核包括的三個子卷積核中的任一者，所述目標卷積核為所述至少一個卷積核中的任一者；