[發明專利]基于卷積神經網絡的圖像分析方法及相關設備

有效

• 申請號: 202010015744.6
• 申請日: 2020-01-07
• 公開（公告）號: CN111222465B
• 公開（公告）日: 2023-06-13
• 發明（設計）人: 曹慶新;李煒
• 申請（專利權）人: 深圳云天勵飛技術股份有限公司
• 主分類號: G06V40/16
• 分類號: G06V40/16;G06V20/62;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強

1.一種基于卷積神經網絡的圖像分析方法，其特征在于，應用于神經網絡處理器，包括：

獲得網絡層A的輸入矩陣，所述網絡層A為卷積神經網絡模型包括的多個網絡層中的其中一個，所述網絡層A的輸入矩陣是基于目標種類圖像得到的；

獲得所述網絡層A對應的目標卷積核和目標卷積步長，不同的網絡層對應不同的卷積步長；

根據所述目標卷積步長對所述網絡層A的輸入矩陣和所述目標卷積核進行卷積計算，得到所述網絡層A的輸出矩陣，所述目標卷積步長用于從所述網絡層A的輸入矩陣中篩選卷積計算所需的多個行輸入數據，所述網絡層A的輸出矩陣用于表征所述目標種類圖像包括的多個特征；

根據預存的種類圖像與預設操作的映射關系確定所述目標種類圖像對應的目標預設操作；

根據所述目標種類圖像包括的多個特征執行所述目標預設操作。

2.根據權利要求1所述的方法，其特征在于，所述目標種類圖像為人臉圖像，所述目標種類圖像包括的多個特征為多個人臉特征，所述根據所述網絡層A的輸出矩陣執行所述目標預設操作，包括：

判斷所述多個人臉特征組成的人臉特征集合是否與人臉特征庫匹配；

若所述多個人臉特征組成的人臉特征集合與目標人臉特征集合匹配，則根據預存的人臉特征集合與人物信息的映射關系確定所述目標人臉特征集合對應的目標人物信息，所述目標人臉特征集合屬于所述人臉特征庫；

對所述目標人物信息執行輸出操作。

3.根據權利要求1所述的方法，其特征在于，所述目標種類圖像為車牌圖像，所述目標種類圖像包括的多個特征為目標車牌號碼，所述根據所述網絡層A的輸出矩陣執行所述目標預設操作，包括：

判斷所述目標車牌號碼是否與車牌號碼庫匹配；

若所述目標車牌號碼與所述車牌號碼庫匹配，則根據預存的車牌號碼與車輛登記信息的映射關系確定所述目標車牌號碼對應的目標車牌登記信息；

對所述目標車牌登記信息執行輸出操作。

4.根據權利要求2或3所述的方法，其特征在于，所述獲得所述網絡層A對應的目標卷積核和目標卷積步長，包括：

根據網絡層與卷積核的映射關系獲得所述網絡層A對應的目標卷積核；

根據網絡層與卷積步長的映射關系獲得所述網絡層A對應的目標卷積步長。

5.根據權利要求4所述的方法，其特征在于，所述目標卷積步長為S1×S2，所述網絡層A的輸入矩陣的大小為R1×R2，所述目標卷積核的大小為F×F，所述根據所述目標卷積步長對所述網絡層A的輸入矩陣和所述目標卷積核進行卷積計算，得到所述網絡層A的輸出矩陣，包括：

當所述S1和所述S2均為1時，獲取所述網絡層A的輸入矩陣的第i行輸入數據至第（i+F-1）行輸入數據，所述i為1至（R1-F+1）中的任意一個；

對所述第i行輸入數據至第（i+F-1）行輸入數據和所述目標卷積核進行卷積計算，得到所述網絡層A的輸出矩陣的第i行輸出數據；

根據（R1-F+1）行輸出數據獲得所述網絡層A的輸出矩陣，所述（R1-F+1）行輸出數據包括所述第i行輸出數據。

6.根據權利要求4所述的方法，其特征在于，所述目標卷積步長為S3×S4，所述網絡層A的輸入矩陣的大小為R3×R4，所述目標卷積核的大小為F×F，所述根據所述目標卷積步長對所述網絡層A的輸入矩陣和所述目標卷積核進行卷積計算，得到所述網絡層A的輸出矩陣，包括：

當所述S3和所述S4均為2時，獲取所述網絡層A的輸入矩陣的第（2j-1）行輸入數據至第（2j+1）行輸入數據，所述j為1至[（R3-F）/S4+1]中的任意一個；

根據所述目標卷積步長對所述第（2j-1）行輸入數據至第（2j+1）行輸入數據進行篩選，得到篩選后的所述第（2j-1）行輸入數據至第（2j+1）行輸入數據；

對所述篩選后的所述第（2j-1）行輸入數據至第（2j+1）行輸入數據和所述目標卷積核進行卷積計算，得到所述網絡層A的輸出矩陣的第j行輸出數據；

根據[（R3-F）/S4+1]行輸出數據獲得所述網絡層A的輸出矩陣，所述[（R3-F）/S4+1]行輸出數據包括所述第j行輸出數據。