【技术实现步骤摘要】
特征映射缩放的精度补偿方法、系统及存储介质
本专利技术涉及计算机视觉领域，尤其涉及用于双线性缩放算法中的特征映射缩放的精度补偿方法、系统及存储介质。
技术介绍
在计算机视觉领域中，深度神经网络的研究受到了广泛的关注，尤其是其中卷积神经网络得到了快速的发展。相比已有技术，卷积神经网络在众多如人脸检测识别、语音识别、物体分类等应用的准确率上得到大幅提升。其中部分应用的准确率甚至已超过人类的平均水平。这使基于卷积神经网络技术的电子产品投入现实生活成为了可能。在常规应用中，完成一次卷积神经网络计算往往需要上十亿(giga)次甚至万亿(tera)次的乘加运算，这使得数据交互量也较高。目前主要的卷积神经网络方案有以下几种：使用通用CPU(CentralProcessingUnit，中央处理器)处理，然而CPU没有大量的专用乘加电路和没有专用的数据存储通路，使得能耗比较低；使用专用GPU(GraphicProcessingUnit，图形处理器)处理，虽然新型的GPU内置有专门为卷积神经网络而设的乘加运算阵列，能够高效地处理大部分网络结构，...
【技术保护点】
1.一种特征映射缩放的精度补偿方法，包括以下步骤：/n获取原始特征和目标特征的映射数据，其中所述映射数据至少包括位宽、通道数、特征水平像素个数以及特征垂直像素个数；/n根据所述原始特征映射和所述目标特征各自的特征水平像素个数以及特征垂直像素个数，在通道数所指示的各个通道上基于位宽分别计算所述目标特征在水平方向和垂直方向上的插值坐标；/n根据所述原始特征映射和所述目标特征各自的插值坐标，在通道数所指示的各个通道上基于位宽计算所述原始特征在目标特征的各个插值坐标处的插值权重；/n根据原始特征在各个位置的像素值和在各个插值坐标处的插值权重，确定目标特征映射。/n
【技术特征摘要】
1.一种特征映射缩放的精度补偿方法，包括以下步骤：
获取原始特征和目标特征的映射数据，其中所述映射数据至少包括位宽、通道数、特征水平像素个数以及特征垂直像素个数；
根据所述原始特征映射和所述目标特征各自的特征水平像素个数以及特征垂直像素个数，在通道数所指示的各个通道上基于位宽分别计算所述目标特征在水平方向和垂直方向上的插值坐标；
根据所述原始特征映射和所述目标特征各自的插值坐标，在通道数所指示的各个通道上基于位宽计算所述原始特征在目标特征的各个插值坐标处的插值权重；
根据原始特征在各个位置的像素值和在各个插值坐标处的插值权重，确定目标特征映射。
2.根据权利要求1所述的精度补偿方法，其特征在于，计算所述目标特征在水平方向和垂直方向上的插值坐标的步骤还包括以下子步骤：
根据所述原始特征映射和所述目标特征各自的特征水平像素个数以及特征垂直像素个数，分别计算计算所述目标特征在水平方向上的水平缩放比例因子和在垂直方向上的垂直缩放比例因子；
基于所述水平缩放比例因子和所述垂直缩放比例因子，通过双线性插值所述原始特征的坐标确定所述目标特征在水平方向和垂直方向上的插值坐标。
3.根据权利要求2所述的精度补偿方法，其特征在于，计算所述原始特征在各个插值坐标处的权重的步骤还包括以下子步骤：
分别在水平方向和垂直方向上初始化水平累计相位和垂直累计相位；
通过迭代更新水平累计相位和垂直累计相位，分别计算各个目标特征在水平方向和垂直方向上的插值坐标和插值权重；
其中，所述水平累计相位基于水平缩放比例因子进行更新，而所述垂直累计相位基于垂直缩放比例因子更新。
4.根据权利要求3所述的精度补偿方法，其特征在于，所述水平累计相位还基于水平补偿值更新，而所述垂直累计相位还通过垂直补偿值更新，使得原始特征和目标特征的首行、首列、尾行和尾列的位置分别对齐。
5.根据权利要求4所述的精度补偿方法，其特征在于，所述水平补偿值和所述垂直补偿值根据以下步骤确定：
根据...
【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：珠海亿智电子科技有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。