[发明专利]基于三维卷积神经网络的数据处理方法及数据处理装置

说明书

本公开提供了一种基于三维卷积神经网络的数据处理方法，三维卷积神经网络包括依次设置的多层数据处理层，该数据处理层至少包括卷积层，该方法包括：将三维卷积神经网络中前一层数据处理层的输出特征数据进行二值化处理，以获得当前特征数据；以及将所述当前特征数据输入当前层数据处理层进行数据处理，以得到当前层数据处理层的输出特征数据。本公开还提供了一种数据处理装置、电子设备、计算机可读介质。

技术领域

本公开涉及计算机技术领域，特别涉及一种基于三维卷积神经网络的数据处理方法及数据处理装置、电子设备、计算机可读介质。

背景技术

目前深度神经网络在处理视频理解与识别方面具有显著进步，并且，在针对很多数据量庞大且具有挑战性的数据集的理解与识别上也取得了巨大的成功。但是深层的网络结构和巨额的参数量带来了高额的功耗，对硬件的要求高，这对资源有限的设备不友好。

发明内容

本公开提供一种基于三维卷积神经网络的数据处理方法及数据处理装置、电子设备、计算机可读介质。

第一方面，本公开提供一种基于三维卷积神经网络的数据处理方法，其中，三维卷积神经网络包括依次设置的多层数据处理层，所述数据处理层至少包括卷积层，该数据处理方法包括：

将三维卷积神经网络中前一层数据处理层的输出特征数据进行二值化处理，以获得当前特征数据；以及

将所述当前特征数据输入当前层数据处理层进行数据处理，以得到当前层数据处理层的输出特征数据。

可选地，所述三维卷积神经网络用于执行视频数据处理任务。

可选地，所述将三维卷积神经网络中前一层数据处理层的输出特征数据进行二值化处理，以获得当前特征数据，包括：

基于二值激活函数，将三维卷积神经网络中前一层数据处理层的输出特征数据进行二值化处理，以获得当前特征数据。

可选地，其中，所述二值激活函数包括阶跃函数。

可选地，所述基于二值激活函数，将三维卷积神经网络中前一层数据处理层的输出特征数据进行二值化处理，以获得当前特征数据，包括：

针对前一层数据处理层的输出特征数据中的至少一个特征值，当该特征值大于或等于阈值时，将该特征值置为1；

当该特征值小于阈值时，将该特征值置为0；

根据每个特征值对应的1或0，获得所述当前特征数据。

可选地，所述基于二值激活函数，将三维卷积神经网络中前一层数据处理层的输出特征数据进行二值化处理，以获得当前特征数据，包括：

针对前一层数据处理层的输出特征数据中的至少一个特征值，当该特征值大于或等于阈值与随机项之和时，将该特征值置为1；所述随机项为高斯分布随机数或均匀分布随机数；

当该特征值小于阈值与随机项之和时，将该特征值置为0；

根据每个特征值对应的1或0，获得所述当前特征数据。

可选地，所述将所述当前特征数据输入当前层数据处理层进行数据处理，以得到当前层数据处理层的输出特征数据，包括：

针对当前层卷积层的每个卷积核，利用该卷积核对所述当前特征数据中各卷积窗口对应的特征数据依次进行处理；

在利用该卷积核对当前卷积窗口对应的特征数据进行处理的过程中，将该卷积核中与特征数据中值为1的特征值所对应的权重进行相加，得到当前卷积窗口对应的特征值；

根据各卷积窗口对应的特征值，得到该卷积核对应的输出特征数据；

根据当前层卷积层的每个卷积核对应的输出特征数据，得到当前层卷积层的输出特征数据。