[发明专利]数据处理方法及装置、计算机可读介质及电子设备

说明书

本公开涉及数据处理技术领域，具体涉及一种数据处理方法、一种数据处理装置、一种计算机可读介质以及一种电子设备。所述方法包括：获取待处理的特征图，将所述特征图输入膨胀率计算层，以获取所述特征图对应的膨胀率表；其中，所述膨胀率表包括所述特征图中各像素对应的膨胀率值；将所述膨胀率表输入膨胀卷积层，以使所述膨胀卷积层结合所述膨胀率表对所述特征图进行膨胀卷积处理，以获取所述特征图对应的特征数据。本方法能够实现对特征图中各像素的自适应的、精细化的调整感受野，避免特征提取过程中对特征的遗漏；并能提高采样密度，保留细节特征。

技术领域

本公开涉及数据处理技术领域，具体涉及一种数据处理方法、一种数据处理装置、一种计算机可读介质以及一种电子设备。

背景技术

在利用深度学习算法进行图像处理时，扩大感受野有助于神经网络接收到更大范围的信息，提取更复杂的信息。一般来说，常规的扩大感受野的一种方式是增加神经网络的层数，越深的网络层接收到越广的信息。但是，其缺点在于大大增加了网络复杂度，收敛的难度随之提升。另一种膨胀卷积的方式，则是通过扩大滤波器尺寸来实现扩大感受野的目的。但是，其缺陷是卷积运算时有规律地跳过了一些像素，会在生成的特征中形成孔洞，导致特征被遗漏。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开提供一种数据处理方法、一种数据处理装置、一种计算机可读介质以及一种终端设备，能够对膨胀卷积的计算过程中自适应的调整感受野，避免特征遗漏。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的第一方面，提供一种数据处理方法，包括：

获取待处理的特征图，将所述特征图输入膨胀率计算层，以获取所述特征图对应的膨胀率表；其中，所述膨胀率表包括所述特征图中各像素对应的膨胀率值；

将所述膨胀率表输入膨胀卷积层，以使所述膨胀卷积层结合所述膨胀率表对所述特征图进行膨胀卷积处理，以获取所述特征图对应的特征数据。

根据本公开的第二方面，提供一种数据处理装置，包括：

自适应膨胀率表计算模块，用于获取待处理的特征图，将所述特征图输入膨胀率计算层，以获取所述特征图对应的膨胀率表；其中，所述膨胀率表包括所述特征图中各像素对应的膨胀率值；

膨胀卷积处理模块，用于将所述膨胀率表输入膨胀卷积层，以使所述膨胀卷积层结合所述膨胀率表对所述特征图进行膨胀卷积处理，以获取所述特征图对应的特征数据。

根据本公开的第三方面，提供一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的数据处理方法。

根据本公开的第四方面，提供一种终端设备，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述的数据处理方法。

本公开的一种实施例所提供的数据处理方法，通过配置膨胀率计算层，并利用该膨胀率卷积层计算特征图对应的膨胀率表；使得对特征图进行膨胀卷积计算时，可以查询膨胀率表得到各像素对应的膨胀率值，根据各像素对应的膨胀率值进行采样，从而实现对特征图中各像素的自适应的、精细化的调整感受野，避免特征提取过程中对特征的遗漏；并能提高采样密度，保留细节特征。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明