[发明专利]一种数据处理方法、装置、电子设备及存储介质

说明书

本发明实施例提供一种数据处理方法、装置、电子设备及存储介质，其中方法包括如下步骤：获取针对图像处理神经网络所输入的目标图像；对所述目标图像中各像素点进行划分处理，以分别获取所述目标图像对应的多个尺寸级别的纹理图像；获取所述目标图像中各像素点的色彩值，基于所述色彩值获取所述多个尺寸级别中最后一个尺寸级别的目标纹理图像的目标色彩均值以及目标色彩标准差；基于所述目标色彩均值以及所述目标色彩标准差对所述图像处理神经网络的输出数据进行归一化处理。采用本发明，可以减少了大量的求和计算，节省了计算时间，进而提升了BN的效率。

技术领域

本发明涉及电子技术领域，尤其涉及一种数据处理方法、装置、电子设备及存储介质。

背景技术

采用神经网络对图像进行分类、识别等处理前，需要依据样本图像对神经网络进行训练。而在神经网络训练时往往会遇到收敛速度很慢或梯度爆炸等无法训练的状况。为了解决上述问题，Google提出了批规范化(Batch Normalization，BN)的思想，也就是利用训练集计算出来的均值和标准差来归一化神经网络中每一层网络的输出数据。

现有技术中，通常需要实时计算样本图像中所有像素点的色彩的均值和标准差，然后采用计算结果对神经网络的输出数据进行归一化处理。但由于样本图片的原尺寸较大，所包含的像素点较多，而使得计算均值和标准差的过程会比较耗时，从而降低了BN的效率。

发明内容

本发明实施例提供一种数据处理方法、装置、电子设备及存储介质，可以解决计算图像的色彩均值和色彩标准差耗时，降低了BN的效率的问题。

本发明实施例第一方面提供了一种数据处理方法，包括：

获取针对图像处理神经网络所输入的目标图像；

对所述目标图像中各像素点进行划分处理，以分别获取所述目标图像对应的多个尺寸级别的纹理图像；

获取所述目标图像中各像素点的色彩值，基于所述色彩值获取所述多个尺寸级别中最后一个尺寸级别的目标纹理图像的目标色彩均值以及目标色彩标准差；

基于所述目标色彩均值以及所述目标色彩标准差对所述图像处理神经网络的输出数据进行归一化处理。

可选的，所述基于所述色彩值获取所述多个尺寸级别中最后一个尺寸级别的目标纹理图像的目标色彩均值以及目标色彩标准差，包括：

基于所述色彩值获取所述多个尺寸级别中目标尺寸级别的第一纹理图像中各像素点的第一色彩均值以及第一色彩标准差；

基于所述第一色彩均值获取所述目标尺寸级别的下一个尺寸级别的第二纹理图像中各像素点的第二色彩均值，并基于所述第一色彩标准差获取所述第二纹理图像中各像素点的第二色彩标准差；

当所述下一个尺寸级别满足预设尺寸级别时，将所述第二纹理图像确定为目标纹理图像，并获取所述目标纹理图像的目标色彩均值以及目标色彩标准差。

可选的，所述方法还包括：

当所述下一个尺寸级别不满足所述预设尺寸级别时，将所述第二纹理图像设置为第一纹理图像，并执行基于所述第一色彩均值获取所述目标尺寸级别的下一个尺寸级别的第二纹理图像中各像素点的第二色彩均值的步骤。

可选的，所述基于所述第一色彩均值获取所述目标尺寸级别的下一个尺寸级别的第二纹理图像中各像素点的第二色彩均值，包括：

计算所述目标尺寸级别第一纹理图像中每相邻的上下左右四个像素点的第一色彩均值的平均值，将所述平均值分别设置为所述下一个尺寸级别的第二纹理图像中各像素点的第二色彩均值。

可选的，所述基于所述第一色彩标准差获取所述第二纹理图像中各像素点的第二色彩标准差，包括：