[发明专利]基于神经网络模型的图像处理方法、介质和电子设备

权利要求书

1.一种基于神经网络模型的图像处理方法，应用于电子设备，其特征在于，所述神经网络模型包括第一分支和第二分支，其中，所述第一分支包括第一中间层和第二中间层，所述第二分支包括第二中间层、通道重排层、通道分割层和第三中间层，并且，所述第一分支和所述第二分支并联运行；

所述方法包括：

所述第一中间层从所述第二中间层获取第一特征图和第二特征图，其中，

所述电子设备的存储器的第一存储区域上存储有所述第一特征图，并且所述第一存储区域具有第一存储地址，所述存储器的第二存储区域上存储有所述第二特征图，并且所述第二存储区域具有第二存储地址，

所述第一存储地址和所述第二存储地址分别与所述第一中间层的第一处理单元和第二处理单元存在第一映射关系，其中在所述第一映射关系中，所述第一处理单元与所述第一存储地址对应，所述第二处理单元与所述第二存储地址对应，其中，所述第一处理单元和第二处理单元分别为第一卷积核和第二卷积核；

所述第一中间层将所述第一映射关系调整为第二映射关系，其中在所述第二映射关系中，所述第一处理单元和第二存储地址对应，所述第二处理单元和第一存储地址对应，其中，所述第一处理单元能够获取所述第二存储地址对应的第二存储区域中的第二特征图进行处理，所述第二处理单元能够获取所述第一存储地址对应的第一存储区域中的第一特征图进行处理；

所述通道重排层从所述第二中间层获取所述第一特征图和第二特征图；

所述通道重排层对所述第一特征图和第二特征图进行通道重排，并将通道重排后的第一特征图和第二特征图发送至所述通道分割层；

所述通道分割层将通道重排后的第一特征图和第二特征图发送至所述第三中间层。

2.根据权利要求1所述的方法，其特征在于，所述第一中间层为卷积层，所述卷积层能够利用所述第一卷积核和所述第二卷积核分别对所述第二特征图和第一特征图进行卷积处理。

3.根据权利要求2所述的方法，其特征在于，所述卷积处理包括：

所述卷积层将所述第一卷积核与所述第二特征图相乘得到第一卷积结果，将所述第二卷积核与所述第一特征图相乘得到第二卷积结果，将所述第一卷积结果和所述第二卷积结果相加后再加上偏置，得到卷积结果。

4.根据权利要求2所述的方法，其特征在于，所述第二中间层为卷积层。

5.根据权利要求1所述的方法，其特征在于，所述通道重排层的通道重排包括：

将所述第一存储区域上存储的所述第一特征图更改为存储所述第二特征图，将所述第二存储区域上存储的所述第二特征图更改为存储所述第一特征图。

6.根据权利要求1或5所述的方法，其特征在于，所述神经网络模型还包括第四中间层，其中，所述第四中间层为卷积层；并且

所述方法包括：

第一中间层的处理结果发给所述第四中间层进行卷积处理。

7.根据权利要求1所述的方法，其特征在于，所述第三中间层为池化层。

8.根据权利要求1所述的方法，其特征在于，所述神经网络模型为shufflenetv2网络模型。

9.一种可读介质，其特征在于，所述可读介质上存储有指令，该指令在电子设备上执行时使电子设备执行权利要求1至8中任一项所述的基于神经网络模型的图像处理方法。

10. 一种电子设备，包括： 存储器，用于存储由所述电子设备的一个或多个处理器执行的指令，以及

处理器，是所述电子设备的处理器之一，用于执行权利要求1至8中任一项所述的基于神经网络模型的图像处理方法。