[發明專利]處理稀疏數據的方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202310591037.5
• 申請日: 2023-05-24
• 公開（公告）號: CN116310392A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 吳青松;王穎輝;李銳;張磊
• 申請（專利權）人: 瀚博半導體（上海）有限公司
• 主分類號: G06V10/44
• 分類號: G06V10/44;G06V10/82;G06N3/08;G06N3/0464
• 代理公司: 北京市漢坤律師事務所 11602
• 代理人: 魏小薇;吳麗麗

本公開提供一種處理稀疏數據的方法、裝置、計算機設備和存儲介質。方法包括獲取待處理的稀疏數據，稀疏數據以第一特征圖來表示；確定第一特征圖中的至少一個全零塊和至少一個非全零塊；確定每個非全零塊在第一特征圖中的第一位置；分別對該至少一個非全零塊執行卷積或反卷積處理，以得到相應的至少一個經處理的非全零塊；基于每個非全零塊在第一特征圖中的第一位置，確定每個經處理的非全零塊在稀疏數據的第二特征圖中的第二位置，第一位置相對于第一特征圖的位置關系與第二位置相對于第二特征圖的位置關系一致；以及基于第二位置，確定稀疏數據的第二特征圖。

技術領域

本公開涉及人工智能、深度學習和數據處理技術領域，具體涉及一種處理稀疏數據的方法、裝置、計算機設備、計算機可讀存儲介質及計算機程序產品。

背景技術

卷積網絡是目前深度學習中用于分析具有空間和時間結構的數據的常用方法。然而，標準的“密集”卷積網絡的實現對于稀疏數據的處理是較為低效的。稀疏數據例如可以是三維點云經過體素化處理后得到的特征圖這樣的數據，該特征圖的數據中存在大量的零。在這種情況下，盡可能利用數據的稀疏性以減少數據處理所需的計算資源變得越來越重要。

針對稀疏數據，目前主要有兩類應對方法。第一類方法是對稀疏數據使用常規卷積（也可稱為“密集”卷積）。另一類方法是使用稀疏卷積和子流形稀疏卷積。然而，常規卷積的計算效率較低，而稀疏卷積和子流形稀疏卷積在應用及部署上難度較大。因此，這些方法并不能很好地應對日益增長的數據處理需要，因此對于稀疏數據的處理方法的研究仍然是業界關注的熱點。

在此部分中描述的方法不一定是之前已經設想到或采用的方法。除非另有指明，否則不應假定此部分中描述的任何方法僅因其包括在此部分中就被認為是現有技術。類似地，除非另有指明，否則此部分中提及的問題不應認為在任何現有技術中已被公認。

發明內容

根據本公開的一方面，提供一種處理稀疏數據的方法，包括：獲取待處理的稀疏數據，其中，待處理的稀疏數據以第一特征圖來表示；確定第一特征圖中的至少一個全零塊和至少一個非全零塊，其中，每個全零塊僅包括為零的數據，每個非全零塊至少包括非零的數據；以及確定至少一個非全零塊中的每個非全零塊在第一特征圖中的第一位置；分別對至少一個非全零塊執行卷積或反卷積處理，以得到相應的至少一個經處理的非全零塊；基于至少一個非全零塊中的每個非全零塊在第一特征圖中的第一位置，確定至少一個經處理的非全零塊中的每個經處理的非全零塊在經處理的稀疏數據的第二特征圖中的第二位置，其中，第一位置相對于第一特征圖的位置關系與第二位置相對于第二特征圖的位置關系一致；以及將至少一個經處理的非全零塊中的每個經處理的非全零塊在第二特征圖中放置于對應的第二位置，以確定經處理的稀疏數據的第二特征圖。

根據本公開的另一方面，提供一種處理稀疏數據的裝置，包括：第一特征圖獲取模塊，被配置為獲取待處理的稀疏數據，其中，待處理的稀疏數據以第一特征圖來表示；分塊確定模塊，被配置為確定第一特征圖中的至少一個全零塊和至少一個非全零塊，其中，每個全零塊僅包括為零的數據，每個非全零塊至少包括非零的數據；以及第一位置確定模塊，被配置為確定至少一個非全零塊中的每個非全零塊在第一特征圖中的第一位置；卷積執行模塊，被配置為分別對至少一個非全零塊執行卷積或反卷積處理，以得到相應的至少一個經處理的非全零塊；第二位置確定模塊，被配置為基于至少一個非全零塊中的每個非全零塊在第一特征圖中的第一位置，確定至少一個經處理的非全零塊中的每個經處理的非全零塊在經處理的稀疏數據的第二特征圖中的第二位置，其中，第一位置相對于第一特征圖的位置關系與第二位置相對于第二特征圖的位置關系一致；以及第二特征圖確定模塊，被配置為將至少一個經處理的非全零塊中的每個經處理的非全零塊在第二特征圖中放置于對應的第二位置，以確定經處理的稀疏數據的第二特征圖。

根據本公開的另一方面，提供一種計算機設備，包括：至少一個處理器；以及與至少一個處理器通信連接的存儲器，其中，存儲器存儲有能夠被至少一個處理器執行的指令，指令被至少一個處理器執行，以使至少一個處理器能夠執行如上所述的方法。