[发明专利]卷积处理方法、装置及存储介质有效
申请号: | 201711283903.5 | 申请日: | 2017-12-07 |
公开(公告)号: | CN107967459B | 公开(公告)日: | 2021-08-24 |
发明(设计)人: | 万韶华 | 申请(专利权)人: | 北京小米移动软件有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 北京三高永信知识产权代理有限责任公司 11138 | 代理人: | 林锦澜 |
地址: | 100085 北京市海淀区清河*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 卷积 处理 方法 装置 存储 介质 | ||
1.一种图像卷积处理方法,其特征在于,所述方法包括:
确定用于对目标图像特征图进行卷积处理的至少一个卷积核;
其中,每个卷积核包括至少两个子卷积核,每个子卷积核的高度、宽度和通道数三个参数中存在至少一个参数为1,其他参数与所属的卷积核中对应的参数的大小相同;
从存储的加权系数中确定所述至少两个子卷积核中每个子卷积核的加权系数,所述存储的加权系数为预先训练好的加权系数;
根据每个卷积核包括的至少两个子卷积核的加权系数对所述目标图像特征图进行卷积处理,得到与每个卷积核对应的激活图;
其中,所述确定用于对目标图像特征图进行卷积处理的至少一个卷积核之前,还包括:
设置所述至少一个卷积核中每个卷积核的高度、宽度和通道数,每个卷积核的通道数和所述目标图像特征图的通道数相同;
根据每个卷积核的高度、宽度和通道数,确定每个卷积核包括的至少两个子卷积核中每个子卷积核的高度、宽度和通道数;
初始化每个卷积核包括的至少两个子卷积核中的每个子卷积核;
根据训练样本集对初始化后的每个子卷积核进行训练,得到每个子卷积核的加权系数,所述训练样本集包括多张图像。
2.根据权利要求1所述的方法,其特征在于,每个卷积核包括三个子卷积核,每个子卷积核的高度、宽度和通道数三个参数中存在两个参数为1,其他一个参数与所属的卷积核中对应的参数的大小相同;
所述根据每个卷积核包括的至少两个子卷积核的加权系数对所述目标图像特征图进行卷积处理,包括:
根据第一子卷积核的加权系数,对所述目标图像特征图进行第一次卷积处理,得到第一卷积图,所述第一子卷积核为目标卷积核包括的三个子卷积核中的任一者,所述目标卷积核为所述至少一个卷积核中的任一者;
根据第二子卷积核的加权系数,对所述第一卷积图进行第二次卷积处理,得到第二卷积图,所述第二子卷积核为所述目标卷积核包括的三个子卷积核中除所述第一子卷积核之外的子卷积核中的任一者;
根据第三子卷积核的加权系数,对所述第二卷积图像进行第三次卷积处理,得到与所述目标卷积核对应的激活图,所述第三子卷积核为所述目标卷积核包括的三个子卷积核中除所述第一子卷积核和第二子卷积核之外的子卷积核。
3.根据权利要求1所述的方法,其特征在于,每个卷积核包括两个子卷积核,其中一个子卷积核的高度、宽度和通道数三个参数中存在两个参数为1,其他一个参数与所属的卷积核中对应的参数的大小相同,另一个子卷积核的高度、宽度和通道数三个参数中存在一个参数为1,其他两个参数与所属的卷积核中对应的两个参数的大小相同;
所述根据每个卷积核包括的至少两个子卷积核的加权系数对所述目标图像特征图进行卷积处理,包括:
根据第一子卷积核的加权系数,对所述目标图像特征图进行第一次卷积处理,得到第一卷积图,所述第一子卷积核为目标卷积核包括的两个子卷积核中的任一者,所述目标卷积核为所述至少一个卷积核中的任一者;
根据第二子卷积核的加权系数,对所述第一卷积图进行第二次卷积处理,得到与所述目标卷积核对应的激活图,所述第二子卷积核为所述目标卷积核包括的两个子卷积核中除所述第一子卷积核之外的子卷积核。
4.根据权利要求1所述的方法,其特征在于,所述至少一个卷积核的个数为M,所述M为大于或等于2的正整数;
所述根据训练样本集对初始化后的每个子卷积核进行训练,得到每个子卷积核的加权系数,包括:
将所述M个卷积核分为第一类卷积核和第二类卷积核;
根据所述训练样本集对所述第一类卷积核中初始化后的每个子卷积核进行训练,得到所述第一类卷积核中每个子卷积核的加权系数;
在对所述第一类卷积核中的每个子卷积核进行训练之后,根据所述训练样本集对所述第二类卷积核中初始化后的每个子卷积核进行训练,得到所述第二类卷积核中每个子卷积核的加权系数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京小米移动软件有限公司,未经北京小米移动软件有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711283903.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种人脸识别方法
- 下一篇:一种基于深度神经网络的垃圾物焚烧识别方法及系统