信息处理方法及装置、电子设备和存储介质制造方法及图纸

本公开涉一种信息处理方法及装置、电子设备和存储介质，其中，该方法包括：获取待处理信息；基于所述待处理信息，经过至少一个处理块的卷积操作，得到所述处理块的输出信息；其中，所述处理块的数量小于或等于预设值；基于所述至少一个处理块中最后处理块的输出信息，确定所述待处理信息的处理结果。本公开实施例可以在保证处理结果准确性的前提下，减少信息处理过程的复杂程度，提高信息处理的效率。

Information processing methods and devices, electronic devices and storage media

【技术实现步骤摘要】
信息处理方法及装置、电子设备和存储介质
本公开涉及计算机
，尤其涉及一种信息处理方法及装置、电子设备和存储介质。
技术介绍
随着计算机技术的发展，越来越多的领域应用了机器学习。神经网络作为机器学习的核心技术，可以是一个并行、分布处理结构，并且可以处理多种信息，例如，处理音频信息、视频信息、图像信息等。在机器学习中，神经网络的计算效率是机器学习的一项重要考虑问题。在常见的神经网络使用环境中，时间和硬件方面对于神经网络存在一定的限制。如何尽可能多的向用户展示神经网络的运行过程，提高神经网络的计算效率，这对传统的网络模型是一个巨大的挑战。
技术实现思路
有鉴于此，本公开提出了一种信息处理方案。根据本公开的一方面，提供了一种信息处理方法，包括：获取待处理信息；基于所述待处理信息，经过至少一个处理块的卷积操作，得到所述处理块的输出信息；其中，所述处理块的数量小于或等于预设值；基于所述至少一个处理块中最后处理块的输出信息，确定所述待处理信息的处理结果。这样，可以节省计算资源，大大降低了处理结果的计算时间，有利于降低训练时间。在一种可能的实现方式中，所述经过至少一个处理块的卷积操作，得到所述处理块的输出信息，包括：获取当前处理块的输入信息；利用所述当前处理块对当前处理块的输入信息进行至少一次卷积操作，得到所述当前处理块的输出信息。这样，可以利用当前处理块对当前处理块的输入信息进行一次或多次的卷积操作，由当前处理块对当前处理块的输入信息进行特征提取。在一种可能的实现方式中，所述获取当前处理块的输入信息，包括：在当前处理块为第一个处理块的情况下，根据所述待处理信息得到当前处理块的输入信息。这样，在当前处理块为第一个处理块的情况下，当前处理块的输入信息可以根据待处理信息获取。在一种可能的实现方式中，所述获取当前处理块的输入信息，包括：在当前处理块为第N个处理块的情况下，根据当前处理块的前一处理块的输出信息，得到当前处理块的输入信息，其中，N为大于1的正整数。这样，在当前处理块为第N个处理块的情况下，当前处理块的输入信息可以根据前一处理块的输出信息获取。在一种可能的实现方式中，所述利用所述当前处理块对当前处理块的输入信息进行至少一次卷积操作，得到所述当前处理块的输出信息，包括：利用所述当前处理块对当前处理块的输入信息进行至少一次卷积操作，得到所述当前处理块的卷积结果；将所述卷积结果与所述当前处理块的输入信息进行融合，得到所述当前处理块的输出信息。这样，当前处理块的输入信息可以直接作用于当前处理块的输出，减少信息丢失。在一种可能的实现方式中，所述将所述卷积结果与所述当前处理块的输入信息进行融合，得到所述当前处理块的输出信息，包括：确定所述当前处理块的输入信息对应的第一特征矩阵；确定所述卷积结果对应的第二特征矩阵；在所述第一特征矩阵的矩阵参数与所述第二特征矩阵的矩阵参数相同的情况下，将所述第一特征矩阵与所述第二特征矩阵进行特征融合，得到所述当前处理块的输出信息。这样，在当前处理块的卷积结果和输入信息的矩阵参数相同的情况下，可以直接将当前处理块的卷积结果和输入信息直接融合。在一种可能的实现方式中，所述将所述卷积结果与所述当前处理块的输入信息进行融合，得到所述当前处理块的输出信息，包括：确定所述当前处理块的输入信息对应的第一特征矩阵；确定所述卷积结果对应的第二特征矩阵；在所述第一特征矩阵的矩阵参数与所述第二特征矩阵的矩阵参数不相同的情况下，对所述第一特征矩阵进行矩阵变换，得到与所述第二特征矩阵的矩阵参数相同的同参数矩阵；将所述同参数矩阵与所述第二特征矩阵进行特征融合，得到所述当前处理块的输出信息。这样，在当前处理块的卷积结果和输入信息的矩阵参数不同的情况下，可以将当前处理块的输入信息先进行转换，再与卷积结果融合。在一种可能的实现方式中，所述基于所述至少一个处理块中最后处理块的输出信息，确定所述待处理信息的处理结果，包括：将所述最后处理块的输入信息和所述最后处理块的卷积结果进行融合，得到融合信息；根据所述融合信息对应的融合特征，确定所述待处理信息的处理结果。这样，可以通过将最后处理块的输入信息和卷积结果进行融合的方式，确定待处理信息的处理结果。在一种可能的实现方式中，所述方法还包括：根据所述处理结果的精度要求，确定每个处理块的通道数。这样，可以根据处理结果的精度需求，对每个处理块的通道数进行设置，使得待处理信息的处理结果的精度在一个精度范围内，满足处理结果的精度需求。在一种可能的实现方式中，所述处理块的数量为小于或等于6的正整数。这样，可以将处理块的数量限制在一定数量的范围内，从而减少神经网络模型的网络深度，节省信息处理过程中的计算资源，提高信息处理的效率。在一种可能的实现方式中，所述方法还包括：向用户展示所述待处理信息的处理结果。这样，用户可以直观地观察到待处理信息的处理结果，例如，通过处理结果对神经网络模型进行学习等。在一种可能的实现方式中，所述获取待处理信息包括：获取待处理的图像信息；所述基于所述至少一个处理块中最后处理块的输出信息，确定所述待处理信息的处理结果，包括：基于所述至少一个处理块中最后处理块的输出信息，对所述图像信息进行图像识别。这样，可以利用至少一个处理模块，对待处理的图像信息进行图像识别，例如，对图像信息进行人脸识别。根据本公开的另一方面，提供了一种信息处理装置，所述装置包括：获取模块，用于获取待处理信息；处理模块，用于基于所述待处理信息，经过至少一个处理块的卷积操作，得到所述处理块的输出信息；其中，所述处理块的数量小于或等于预设值；确定模块，用于基于所述至少一个处理块中最后处理块的输出信息，确定所述待处理信息的处理结果。在一种可能的实现方式中，所述处理模块，具体用于，获取当前处理块的输入信息；利用所述当前处理块对当前处理块的输入信息进行至少一次卷积操作，得到所述当前处理块的输出信息。在一种可能的实现方式中，所述处理模块，具体用于在当前处理块为第一个处理块的情况下，根据所述待处理信息得到当前处理块的输入信息。在一种可能的实现方式中，所述处理模块，具体用于在当前处理块为第N个处理块的情况下，根据当前处理块的前一处理块的输出信息，得到当前处理块的输入信息，其中，N为大于1的正整数。在一种可能的实现方式中，所述处理模块，具体用于，利用所述当前处理块对当前处理块的输入信息进行至少一次卷积操作，得到所述当前处理块的卷积结果；将所述卷积结果与所述当前处理块的输入信息进行融合，得到所述当前处理块的输出信息。在一种可能的实现方式中，所述处理模块，具体用于，确定所述当前处理块的输入信息对应的第一特征矩阵；确定所述卷积结果对应的第二特征矩阵；在所述第一特征矩阵的矩阵参数与所述第二特征矩阵的矩阵参数相同的情况下，将所述第一特征矩阵与所述第二特征矩阵进行特征融合，得到所述当前处理块的输出信息。在一种可能的实现方式中，所述处理模块，具体用于，确定所述当前处理块的输入信息对应的第一特征矩阵；确定所述卷积结果对应的第二特征矩阵；在所述第一特征矩阵的矩阵参数与所述第二特征矩阵的矩阵参数不相同的情况下，对所述第一特征矩阵进行矩阵变换，得到与所述第二特征矩阵的矩阵参数相同的同参数矩阵；将所述同参数矩阵与所述第二特征矩阵进行特征融合本文档来自技高网...

【技术保护点】
1.一种信息处理方法，其特征在于，所述方法包括：获取待处理信息；基于所述待处理信息，经过至少一个处理块的卷积操作，得到所述处理块的输出信息；其中，所述处理块的数量小于或等于预设值；基于所述至少一个处理块中最后处理块的输出信息，确定所述待处理信息的处理结果。

【技术特征摘要】
1.一种信息处理方法，其特征在于，所述方法包括：获取待处理信息；基于所述待处理信息，经过至少一个处理块的卷积操作，得到所述处理块的输出信息；其中，所述处理块的数量小于或等于预设值；基于所述至少一个处理块中最后处理块的输出信息，确定所述待处理信息的处理结果。2.根据权利要求1所述的方法，其特征在于，所述经过至少一个处理块的卷积操作，得到所述处理块的输出信息，包括：获取当前处理块的输入信息；利用所述当前处理块对当前处理块的输入信息进行至少一次卷积操作，得到所述当前处理块的输出信息。3.根据权利要求2所述的方法，其特征在于，所述获取当前处理块的输入信息，包括：在当前处理块为第一个处理块的情况下，根据所述待处理信息得到当前处理块的输入信息。4.根据权利要求2所述的方法，其特征在于，所述获取当前处理块的输入信息，包括：在当前处理块为第N个处理块的情况下，根据当前处理块的前一处理块的输出信息，得到当前处理块的输入信息，其中，N为大于1的正整数。5.根据权利要求2所述的方法，其特征在于，所述利用所述当前处理块对当前处理块的输入信息进行至少一次卷积操作，得到所述当前处理块的输出信息，包括：利用所述当前处理块对当前处理块的输入信息进行至少一次卷积操作，得到所述当前处理块的卷积结果；将所述卷积结果与所述当前处理块的输入信息进行融合，得到所述当前处理块的输出信息。6.根据权利要求5所述的方法，其特征在于，所述将所述卷积结果与所述当前处理块的输入信息进行融合，得到所述当前处理块的输...

【专利技术属性】
技术研发人员：王若晖，谢东明，
申请(专利权)人：深圳市商汤科技有限公司，
类型：发明
国别省市：广东,44