[发明专利]一种基于卷积神经网络的图像处理的方法和装置

权利要求书

1.一种基于卷积神经网络的图像处理的方法，其特征在于，包括：

获取FN帧图像特征图；

对所述FN帧图像特征图中的每一帧均分成Q个子图像，其中每个所述子图像的高为C个像素点，宽为P个像素点，其中，所述FN帧图像特征图中相同位置的子图像组成一个高为C个像素点，宽为P个像素点，长为FN个像素点的三维图像矩阵，其中，Q，C，P均为正整数；

获取预设权重矩阵，所述预设权重矩阵为FNxFN的二维矩阵；

根据所述预设权重矩阵，依次对所述FN帧图像特征图中的每个所述三维图像矩阵进行矩阵乘法计算，以获得处理后的图像特征图；

所述预设权重矩阵，按照FN*FN*1*1为基本单元从预设的四维权重数据上以循环分块的方式获取。

2.根据权利要求1所述的方法，其特征在于，所述FN的取值包括：2，3和4中的一个。

3.根据权利要求1或2所述的方法，其特征在于，所述P的取值包括：16，32，64，128和256中的一个。

4.根据权利要求1或2所述的方法，其特征在于，所述图像特征图的宽与所述子图像的宽相等。

5.根据权利要求1或2所述的方法，其特征在于，所述C为1；对应的，所述高为C个像素点，宽为P个像素点，长为FN个像素点的三维图像矩阵为宽为P个像素点，长为FN个像素点的二维图像矩阵。

6.根据权利要求1或2所述的方法，其特征在于，当所述方法用于所述卷积神经网络的第一个神经网络层时，所述图像特征图为待处理图像。

7.根据权利要求1或2所述的方法，其特征在于，当所述方法用于所述卷积神经网络的非第一个神经网络层时，所述获取FN帧图像特征图，包括：将在上一个邻接的神经网络层中获得的处理后的图像特征图作为所述FN帧图像特征图。

8.根据权利要求1或2所述的方法，其特征在于，所述获取FN帧图像特征图，包括：

依次获取N帧图像特征图中的图像特征图，每次获取所述FN帧图像特征图，其中，N为正整数。

9.根据权利要求1或2所述的方法，其特征在于，所述获得处理后的图像特征图，包括：

依次存储所述处理后的图像特征图，每次存储FN帧所述处理后的图像特征图，其中，所述存储后的图像特征图为M帧，M为正整数。

10.一种基于卷积神经网络的图像处理的装置，其特征在于，包括：

第一获取单元，用于获取FN帧图像特征图；

划分单元，对所述FN帧图像特征图中的每一帧均分成Q个子图像，其中每个所述子图像的高为C个像素点，宽为P个像素点，其中，所述FN帧图像特征图中相同位置的子图像组成一个高为C个像素点，宽为P个像素点，长为FN个像素点的三维图像矩阵，其中，Q，C，P均为正整数；

第二获取单元，用于获取预设权重矩阵，所述预设权重矩阵为FNxFN的二维矩阵；

处理单元，用于根据所述预设权重矩阵，依次对所述FN帧图像特征图中的每个所述三维图像矩阵进行矩阵乘法计算，以获得处理后的图像特征图；

所述预设权重矩阵，按照FN*FN*1*1为基本单元从预设的四维权重数据上以循环分块的方式获取。

11.根据权利要求10所述的装置，其特征在于，所述FN的取值包括：2，3和4中的一个。

12.根据权利要求10或11所述的装置，其特征在于，所述P的取值包括：16，32，64，128和256中的一个。

13.根据权利要求10或11所述的装置，其特征在于，所述图像特征图的宽与所述子图像的宽相等。