[发明专利]用于神经网络的特征图处理方法、装置和系统及存储介质

权利要求书

1.一种用于神经网络的特征图处理方法，所述神经网络包括至少一个网络块，所述至少一个网络块中的每个网络块包括通道裁剪层、第一通路、第二通路、通道连接层和通道重排层，所述第二通路包括至少一个卷积层，所述方法包括：

对于所述至少一个网络块中的每个网络块，

经由所述通道裁剪层接收该网络块的输入特征图，并将所述输入特征图的通道裁剪为两部分，以获得第一组特征图和第二组特征图；

将所述第一组特征图输入所述第一通路，并将所述第二组特征图输入所述第二通路；

经由所述通道连接层将所述第一通路的输出特征图和所述第二通路的输出特征图进行通道连接，以获得连接后的特征图；

经由所述通道重排层对所述连接后的特征图进行通道重排，以获得该网络块的输出特征图。

2.如权利要求1所述的方法，其中，所述至少一个网络块包括至少一个第一网络块，所述至少一个第一网络块中的每个第一网络块的所述第二通路包括第一卷积层、第二卷积层和第三卷积层，所述方法还包括：

对于所述至少一个第一网络块中的每个第一网络块，

经由所述第一卷积层对所述第二组特征图进行降维卷积；

经由所述第二卷积层和所述第三卷积层对所述第一卷积层的输出特征图进行深度分离卷积，以获得所述第二通路的输出特征图。

3.如权利要求2所述的方法，其中，所述第二卷积层用于对所述第一卷积层的输出特征图执行步长为1的卷积，所述第一通路是所述通道裁剪层和所述通道连接层之间的跳跃连接通路。

4.如权利要求2所述的方法，其中，所述第二卷积层用于对所述第一卷积层的输出特征图执行步长为2的卷积，所述第一通路包括池化层，所述方法还包括：

经由所述池化层对所述第一组特征图执行步长为2的池化，以获得所述第一通路的输出特征图。

5.如权利要求1至4任一项所述的方法，其中，所述至少一个网络块包括至少一个第二网络块，所述至少一个第二网络块中的每个第二网络块的所述第二通路包括残差结构，所述残差结构包括残差支路和跳跃连接支路，所述残差支路包括所述至少一个卷积层，所述方法还包括：

对于所述至少一个第二网络块中的每个第二网络块，

经由所述残差支路对所述第二组特征图进行卷积；

将所述残差支路的输出特征图和所述跳跃连接支路输出的所述第二组特征图进行元素相加，以获得所述第二通路的输出特征图。

6.如权利要求5所述的方法，其中，所述残差支路包括第四卷积层、第五卷积层和第六卷积层，其中，所述方法还包括：

对于所述至少一个第二网络块中的每个第二网络块，

经由所述第四卷积层对所述第二组特征图进行降维卷积；

经由所述第五卷积层和所述第六卷积层对所述第四卷积层的输出特征图进行深度分离卷积，以获得所述残差支路的输出特征图；

其中，所述残差支路的输出特征图的通道数与所述第二组特征图的通道数相等。

7.如权利要求6所述的方法，其中，所述第五卷积层用于对所述第四卷积层的输出特征图执行步长为1的卷积，所述第一通路是所述通道裁剪层到所述通道连接层的跳跃连接通路。

8.如权利要求1至4任一项所述的方法，其中，所述神经网络包括依次连接的初始卷积层、最大池化层、第一网络段、第二网络段、第三网络段、全局池化层和全连接层，

其中，所述第一网络段包括所述至少一个网络块中的四个网络块，所述第二网络段包括所述至少一个网络块中的八个网络块，所述第三网络段包括所述至少一个网络块中的四个网络块。

9.如权利要求1至4任一项所述的方法，其中，所述第一组特征图的通道数和所述第二组特征图的通道数相等。