[發明專利]數據處理方法及裝置、計算機系統以及可讀存儲介質

有效

• 申請號: 201911111661.0
• 申請日: 2019-11-13
• 公開（公告）號: CN110852394B
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 李聰;閆東偉;杜楊洲;師忠超;徐飛玉
• 申請（專利權）人: 聯想（北京）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/764;G06N3/04
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 鄢功軍

1.一種數據處理方法，包括：

將獲取到的圖像數據輸入卷積神經網絡中，其中，所述卷積神經網絡包括一個或多個卷積層；

獲取所述卷積神經網絡中的目標卷積層的輸出結果，其中，所述輸出結果包括多個特征區域；

獲取每個特征區域與所述目標卷積層中的神經元的對應關系；

通過分類模型對所述輸出結果中的每個特征區域進行分類，確定所述每個特征區域對應的類別；以及

根據所述每個特征區域對應的類別，以及所述每個特征區域與所述目標卷積層中的神經元的對應關系，確定所述目標卷積層中的神經元與類別的對應關系。

2.根據權利要求1所述的方法，其中，所述圖像數據為人體圖像數據，所述類別包括人體的各個部位，所述方法還包括，在確定所述目標卷積層中的神經元與類別的對應關系之后：

輸出所述人體的各個部位各自對應的神經元的激活值；以及

將所述人體的各個部位以及所述各個部位各自對應的神經元的激活值進行關聯展示。

3.根據權利要求2所述的方法，其中，將所述人體的各個部位以及所述各個部位各自對應的神經元的激活值進行關聯展示包括：

展示所述人體的人體模型圖；以及

在所述人體模型圖的各個部位展示各自對應的神經元的激活值。

4.根據權利要求1所述的方法，還包括預先訓練得到所述分類模型，包括：

獲取用于訓練所述卷積神經網絡的圖像數據；

將所述用于訓練所述卷積神經網絡的圖像數據輸入所述卷積神經網絡，并獲取所述卷積神經網絡中的目標卷積層的輸出結果；以及

根據所述目標卷積層的輸出結果對待訓練分類模型進行訓練。

5.根據權利要求1所述的方法，還包括：

在將獲取到的圖像數據輸入卷積神經網絡中之前，對所述獲取到的圖像數據進行識別，以確定所述獲取到的圖像數據中的人體區域數據；以及

將所述人體區域數據輸入所述卷積神經網絡中。

6.一種數據處理裝置，包括：

輸入模塊，用于將獲取到的圖像數據輸入卷積神經網絡中，其中，所述卷積神經網絡包括一個或多個卷積層；

第一獲取模塊，用于獲取所述卷積神經網絡中的目標卷積層的輸出結果，其中，所述輸出結果包括多個特征區域；

第二獲取模塊，用于獲取每個特征區域與所述目標卷積層中的神經元的對應關系；

第一確定模塊，用于通過分類模型對所述輸出結果中的每個特征區域進行分類，確定所述每個特征區域對應的類別；以及

第二確定模塊，用于根據所述每個特征區域對應的類別，以及所述每個特征區域與所述目標卷積層中的神經元的對應關系，確定所述目標卷積層中的神經元與類別的對應關系。

7.根據權利要求6所述的裝置，其中，所述圖像數據為人體圖像數據，所述類別包括人體的各個部位，所述裝置還包括：

輸出模塊，用于在確定所述目標卷積層中的神經元與類別的對應關系之后，輸出所述人體的各個部位各自對應的神經元的激活值；以及

展示模塊，用于將所述人體的各個部位以及所述各個部位各自對應的神經元的激活值進行關聯展示；

其中，將所述人體的各個部位以及所述各個部位各自對應的神經元的激活值進行關聯展示包括：

展示所述人體的人體模型圖；以及

在所述人體模型圖的各個部位展示各自對應的神經元的激活值。

8.根據權利要求6所述的裝置，還包括訓練模塊，用于預先訓練得到所述分類模型，包括：

獲取用于訓練所述卷積神經網絡的圖像數據；

將所述用于訓練所述卷積神經網絡的圖像數據輸入所述卷積神經網絡，并獲取所述卷積神經網絡中的目標卷積層的輸出結果；以及

根據所述目標卷積層的輸出結果對待訓練分類模型進行訓練。