[发明专利]一种基于卷积神经网络的图像处理方法及装置

权利要求书

1.一种基于卷积神经网络的图像处理方法，其中，该方法包括：

根据预设的卷积运算策略信息，执行第一卷积层运算，并判断接下来要执行的第二卷积层运算信息是否满足如下条件：

卷积运算尺寸为1*1且步进长度值s大于1；

满足上述条件的情况下，在执行所述第二卷积层运算之前，根据预设的所述第二卷积层运算对应的第一有效值位置信息及所述步进长度值，筛选出所述第一卷积层运算结果中对应执行所述第二卷积层运算的有效值部分；具体包括：

根据预设的所述第二卷积层的第一有效值在所述第一卷积层运算结果的位置信息，确定所述有效值筛选模块启动筛选的起始位置，其中，所述有效值筛选模块的筛选尺寸值为所述步进长度s值；

所述有效值筛选模块从所述起始位置开始对所述第一卷积层运算结果进行非重叠式筛选；

根据上述筛选结果，确定所述第一卷积层运算结果中对应所述第二卷积层运算所需要的有效值部分

按照步进长度值为1对所述有效值部分执行所述第二卷积层1*1卷积运算。

2.根据权利要求1所述的方法，其中，在执行所述第二卷积层运算之前包括如下其一：

在执行第一卷积层运算之后将对应卷积运算结果输出给所述第二卷积层之前；

在获取所述第一卷积层输出结果后，执行所述第二卷积层运算前。

3.根据权利要求1或2所述的方法，其中，通过有效值筛选模块筛选出所述第一卷积层运算结果中对应执行所述第二卷积层运算的有效值部分。

4.根据权利要求3所述的方法，其中，在所述有效值筛选模块从所述起始位置开始对所述第一卷积层运算结果进行非重叠式筛选前，所述满足上述条件的情况下，在执行所述第二卷积层运算之前，根据预设的所述第二卷积层运算对应的第一有效值位置信息及所述步进长度值，筛选出所述第一卷积层运算结果中对应执行所述第二卷积层运算的有效值部分还包括：

根据所述第二卷积层的第一有效值位置信息及其步进长度值大小，判断所述第一卷积层运算结果尺寸是否需要延展。

5.根据权利要求4所述的方法，其中，在所述第一卷积层运算结果尺寸需要延展的情况下，所述满足上述条件的情况下，在执行所述第二卷积层运算之前，根据预设的所述第二卷积层运算对应的第一有效值位置信息及所述步进长度值，筛选出所述第一卷积层运算结果中对应执行所述第二卷积层运算的有效值部分还包括：

根据所述第二卷积层的第一有效值位置信息及其步进长度值大小，确定所述有效值筛选模块对所述第一卷积运算结果的实际筛选区域尺寸信息；

根据所述实际筛选区域尺寸信息及所述筛选模块的筛选尺寸，确定所述第一卷积层运算结果需要延展的尺寸信息。

6.根据权利要求5所述的方法，其中，所述满足上述条件的情况下，在执行所述第二卷积层运算之前，根据预设的所述第二卷积层运算对应的第一有效值位置信息及所述步进长度值，筛选出所述第一卷积层运算结果中对应执行所述第二卷积层运算的有效值部分还包括：

根据所述需要延展的尺寸信息确定所述第一卷积层运算结果尺寸的延展区域信息，其中，所述延展区域信息包括向右侧延展列数信息和/或向下侧延展行数信息。

7.根据权利要求6所述的方法，其中，所述向右侧延展列数值为所述实际筛选区域尺寸的列数与所述步进长度s相除的余数；

所述向下侧延展行数值为所述实际筛选区域尺寸的行数与所述步进长度s相除的余数。

8.根据权利要求4至7中任一项所述的方法，其中，所述有效值筛选模块从所述起始位置开始对所述第一卷积层运算结果进行非重叠式筛选包括：

所述有效值筛选模块在所述第一卷积层运算结果中的起始位置开始依次自左向右，自上向下对所述第一卷积层运算结果进行非重叠式筛选。

9.根据权利要求6或7所述的方法，其中，在所述延展区域中的数值设置为无效值。