[发明专利]数据处理方法、数据处理装置以及电子设备

说明书

本申请提出一种数据处理方法、数据处理装置以及电子设备；其中，数据处理方法包含：获取第一矩阵数据集；对该第一矩阵数据集进行第一维度处理，获得第二矩阵数据集；对该第二矩阵数据集进行第二维度处理，获得第三矩阵数据集；根据该第一矩阵数据集与该第三矩阵数据集获得第四矩阵数据集；将该第四矩阵数据集的特征数据量化到特定区域，获得特征数据集；将该特征数据集中的数据与对应的目标特征数据进行对比；输出对比结果。通过本申请的数据处理方法，在大规模库的庞大计算量的人脸检索对比的情况下，提高了计算速度的同时保持了计算精度的不变。

技术领域

本申请涉及数据处理领域，具体而言，涉及一种数据处理方法、数据处理装置以及电子设备。

背景技术

人脸检索1：N人脸识别中用于从库中检索目标的最后一步。具体做法是在使用深度神经网络获得人脸的特征之后，使用这个特征在特征库中对比匹配找到最相似的人。目前人脸检索的直接对比法是指用提取的人脸特征和库中的特征一一对比，该方法的缺点是计算量很大，不适合大规模的库。

发明内容

本申请实施例提出一种数据处理方法、数据处理装置以及电子设备，用以解决现有技术中人脸检索的直接对比法中计算量大，不适合大规模库的问题。

根据本申请的一方面，提出一种数据处理方法、数据处理装置以及电子设备。其中，该数据处理方法应用于图形处理器，该数据处理方法包括：获取第一矩阵数据集；对该第一矩阵数据集进行第一维度处理，获得第二矩阵数据集；对该第二矩阵数据集进行第二维度处理，获得第三矩阵数据集；根据该第一矩阵数据集与该第三矩阵数据集获得第四矩阵数据集；将该第四矩阵数据集的特征数据量化到特定区域，获得特征数据集；将该特征数据集中的数据与对应的目标特征数据进行对比；输出对比结果。

在一些实施例中，该第一矩阵数据集具有第一矩阵维度值，该第三矩阵数据集具有第二矩阵维度值，该第二矩阵维度值小于该第一矩阵维度值。在一些实施例中，该第二矩阵维度值的取值满足第一预设条件：该第二矩阵数据集的前M个特征数据的累加值在第一特定值域且M被第一特定值整除，则M为该第二矩阵维度值的取值。

在一些实施例中，如果满足该第一预设条件的该第二矩阵维度值的取值多于一个，则该第二矩阵维度值的取值为多个满足该第一预设条件的第二矩阵维度值的取值的中间值。

在一些实施例中，将该第四矩阵数据集的特征数据量化到特定值域，获得特征数据集，包括：将该第四矩阵数据集的特征数据量化到第二特定值域，得到第一特征数据集；将该第一特征数据集进一步量化到第三特定值域，得到第二特征数据集；

在一些实施例中，该第二特定值域的取值满足第二预设条件：特定比例的该第四矩阵数据集的特征数据在该第二特定值域内。

在一些实施例中，将该特征数据集中的数据与对应的目标特征数据进行对比，包括：将该第二特征数据集中的数据与对应的目标特征数据进行对比；

在一些实施例中，将该第二特征数据集中的数据与对应的目标特征数据进行对比，包括：将该第二特征数据集中的数据与对应的目标特征数据依次进行向量乘法，并提取乘积结果最大的前K个值作为输出结果；其中，使用整数运算指令依次进行该向量乘法。

在一些实施例中，该第三矩阵数据集与该第四矩阵数据集具有相同的矩阵维度值。

根据本申请的另一方面，提出一种数据处理装置。该数据处理装置包含至少一个图形处理器，其特征在于，该数据处理装置包含：数据获取模块，用于获取第一矩阵数据集；第一数据处理模块，用于对该第一矩阵数据集进行第一维度处理，获得第二矩阵数据集；第二数据处理模块，用于对该第二矩阵数据集进行第二维度处理，获得第三矩阵数据集；第三数据处理模块，用于根据该第一矩阵数据集与该第三矩阵数据集获得第四矩阵数据集；数据量化模块，用于将该第四矩阵数据集的特征数据量化到特定区域，获得特征数据集；数据对比模块，用于将该特征数据集中的数据与对应的目标特征数据进行对比；数据输出模块，用于输出对比结果。