[發(fā)明專利]基于深度學(xué)習(xí)模型的處理方法、系統(tǒng)及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202010694871.3
• 申請日: 2020-07-18
• 公開（公告）號: CN112001479A
• 公開（公告）日: 2020-11-27
• 發(fā)明（設(shè)計）人: 陳昕;王華彥
• 申請（專利權(quán)）人: 北京達佳互聯(lián)信息技術(shù)有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 北京清亦華知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11201
• 代理人: 張大威

本公開關(guān)于一種基于深度學(xué)習(xí)模型的處理方法、系統(tǒng)及電子設(shè)備，涉及深度學(xué)習(xí)技術(shù)領(lǐng)域，其中，方法包括：在卷積層的一個或多個輸入通道接收用于卷積層的多個輸入信息后，一個或多個三維濾波器對多個輸入信息進行卷積處理，以生成多個中間量，一個或多個一維濾波器接收到多個中間量后，對多個中間量進行卷積處理，生成多個輸出信息。該方法通過一個或多個三維濾波器從兩個空間維度和一個時間維度上分別對多個輸入信息進行卷積處理，以提取具有更多特征的中間量，有利于提高模型處理的準(zhǔn)確度，進而采用一維濾波器進行降維處理，以降低深度學(xué)習(xí)模型處理的計算量的目的，從而實現(xiàn)了在保持較低計算量的同時，提高了深度學(xué)習(xí)模型處理的實時性和準(zhǔn)確度。

技術(shù)領(lǐng)域

本公開涉及深度學(xué)習(xí)技術(shù)領(lǐng)域，尤其涉及一種基于深度學(xué)習(xí)模型的處理方法、系統(tǒng)及電子設(shè)備。

背景技術(shù)

目前深度學(xué)習(xí)模型中，主要包括全連接層和卷積層，其中，常用的卷積層包括深度模塊和標(biāo)準(zhǔn)卷積模塊，標(biāo)準(zhǔn)卷積模塊主要應(yīng)用于計算能力足夠的硬件，例如云端、服務(wù)器端等，深度模塊主要應(yīng)用于資源受限制的硬件，例如手機端、移動端等。深度模塊相較于標(biāo)準(zhǔn)卷積模塊而言，其實時性高，但其計算能力和準(zhǔn)確度不夠高。

相關(guān)技術(shù)中，由于電子設(shè)備的硬件資源的限制，往往通過降低模型的計算量來提高計算結(jié)果的實時性，但是現(xiàn)有的深度學(xué)習(xí)模型在降低計算量的同時，也會導(dǎo)致模型計算的準(zhǔn)確率大幅下降。

發(fā)明內(nèi)容

本公開提供一種基于深度學(xué)習(xí)模型的處理方法、系統(tǒng)及電子設(shè)備，以至少解決相關(guān)技術(shù)中深度學(xué)習(xí)模型在降低計算量的同時，導(dǎo)致模型計算的準(zhǔn)確率大幅下降的問題。

本公開的技術(shù)方案如下：

根據(jù)本公開實施例的第一方面，提供一種基于深度學(xué)習(xí)模型的處理方法，應(yīng)用于電子設(shè)備，所述深度學(xué)習(xí)模型包括多個卷積層和連接層，所述方法包括：

接收用于所述卷積層的多個輸入信息；其中，所述卷積層包括一個或多個輸入通道，以及一個或多個輸出通道；

所述卷積層通過一個或多個三維濾波器對所述多個輸入信息進行卷積處理，以生成多個中間量，其中，所述一個或多個三維濾波器的數(shù)量是基于所述電子設(shè)備的計算能力確定的；

所述卷積層通過一個或多個一維濾波器對所述多個中間量進行卷積處理，以生成多個輸出信息，其中，所述一個或多個一維濾波器通過一個或多個中間通道從所述一個或多個三維濾波器之中接收所述多個中間量。

作為本公開實施例的第一種可能的情況，所述三維濾波器的大小是基于所述卷積層的輸入信息數(shù)量和預(yù)設(shè)大小確定的，其中，所述預(yù)設(shè)大小是基于當(dāng)前卷積層檢測特征的大小確定的。

作為本公開實施例的第二種可能的情況，所述方法，還包括：所述卷積層將所述輸出信息通過連接層發(fā)送至所述深度學(xué)習(xí)模型的后續(xù)層。

作為本公開實施例的第三種可能的情況，所述一維濾波器的數(shù)量與所述輸出通道的數(shù)量相同。

作為本公開實施例的第四種可能的情況，所述多個三維濾波器具備不同的參數(shù)，其中，具備不同參數(shù)的所述三維濾波器用于識別不同粒度的圖像特征。

作為本公開實施例的第五種可能的情況，所述多個輸入信息為上一層卷積層輸出的特征圖。

根據(jù)本公開實施例的第二方面，提供一種基于深度學(xué)習(xí)模型的處理系統(tǒng)，所述系統(tǒng)包括處理器，所述處理器被配置為加載深度學(xué)習(xí)模型，所述深度學(xué)習(xí)模型包括多個卷積層和連接層，其中，每一個卷積層包括：

一個或多個輸入通道，被配置為接收用于所述卷積層的多個輸入信息；

一個或多個輸出通道；

三維濾波器，所述三維濾波器的個數(shù)為一個或多個，被配置為對所述多個輸入信息進行卷積處理，以生成多個中間量，其中，所述一個或多個三維濾波器的數(shù)量是基于所述電子設(shè)備的計算能力確定的；