[發明專利]一種數據處理方法以及裝置

有效

• 申請號: 201910713897.5
• 申請日: 2019-08-02
• 公開（公告）號: CN110503189B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 王曉寧;孟金濤;蘭海東;鄧民文
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/063;G06N3/08
• 代理公司: 深圳翼盛智成知識產權事務所(普通合伙) 44300
• 代理人: 黃威

本發明實施例公開了一種數據處理方法以及裝置，該數據處理方法涉及人工智能領域中的機器學習方向，其中，數據處理方法包括：獲取待處理數據；提取所述待處理數據的特征信息，構建所述待處理數據的特征矩陣；基于預設步長以及預設滑窗，對所述特征矩陣中的元素進行分組，得到多個元素集合；將所述多個元素集合進行卷積處理，得到所述待處理數據的處理結果，因此，可以提高數據處理的效率。

技術領域

本發明涉及計算機技術領域，具體涉及一種數據處理方法以及裝置。

背景技術

人工智能技術是一門綜合學科，涉及領域廣泛，既有硬件層面的技術也有軟件層面的技術。人工智能基礎技術一般包括如傳感器、專用人工智能芯片、云計算、分布式存儲、大數據處理技術、操作/交互系統、機電一體化等技術。人工智能軟件技術主要包括計算機視覺技術、語音處理技術、自然語言處理技術以及機器學習/深度學習等幾大方向，其中，機器學習和深度學習通常包括人工神經網絡、置信網絡、強化學習、遷移學習、歸納學習、式教學習等技術。

隨著人工智能技術研究和進步，人工智能技術在多個領域展開研究和應用，目前，也會在移動前端設備如智能相機、無人機以及機器人等計算資源有限的設備上部署卷積神經網絡，然而，卷積神經網絡的參數數量越來越多，計算量也變得越來越大，因此降低了設備數據處理的效率。

發明內容

本發明實施例提供一種數據處理方法以及裝置，可以提高數據處理的效率。

本發明實施例提供了一種數據處理方法，包括：

獲取待處理數據；

提取所述待處理數據的特征信息，構建所述待處理數據的特征矩陣；

基于預設步長以及預設滑窗，對所述特征矩陣中的元素進行分組，得到多個元素集合；

將所述多個元素集合進行卷積處理，得到所述待處理數據的處理結果。

相應的，本發明實施例還提供了一種數據處理裝置，包括：

獲取模塊，用于獲取待處理數據；

構建模塊，用于提取所述待處理數據的特征信息，構建所述待處理數據的特征矩陣；

分組模塊，用于基于預設步長以及預設滑窗，對所述特征矩陣中的元素進行分組，得到多個元素集合；

處理模塊，用于將所述多個元素集合進行卷積處理，得到所述待處理數據的處理結果。

可選的，在本發明的一些實施例中，所述分組模塊包括：

遍歷單元，用于基于預設步長以及預設滑窗，遍歷所述特征矩陣中的每一個元素；

添加單元，用于將遍歷過程中位于預設滑窗中同一位置的元素添加至同一集合中，得到多個元素集合。

可選的，在本發明的一些實施例中，所述遍歷單元具體用于：

基于預設步長在所述特征矩陣上滑動所述滑窗；

在每次滑動后獲取所述滑窗內數據在預設緩存空間的存儲地址；

根據所述存儲地址從所述預設緩存空間讀取相應的數據，得到所述特征矩陣中的每一個元素對應的數據。

可選的，在本發明的一些實施例中，所述添加單元具體用于：

獲取遍歷過程中所有元素在預設滑窗中的位置信息；

將位置信息相同的元素添加至同一集合中，得到多個元素集合。

可選的，在本發明的一些實施例中，所述處理模塊包括：

第一卷積單元，用于將多個元素集合與預置第一卷積核進行卷積，得到所述特征矩陣卷積后的中間矩陣；