本申请涉及人工智能领域，公开了一种神经网络模型中的特征处理方法、介质、设备和程序产品，所述方法包括：确定处理对象中的候选区域，并对所述候选区域实施目标运算；确定所述目标运算对应的输入特征图和所述候选区域的坐标数据；对所述候选区域的坐标数据进行放大处理；基于放大处理后的候选区域的坐标数据、第一运算因子以及第二运算因子，确定各个所述子区域对应的各个采样点的坐标数据；基于所述输入特征图和各个所述子区域对应的各个采样点的坐标数据，分别确定各个所述子区域对应的各个采样点的特征值；基于各个所述子区域对应的各个采样点的特征值，确定对应于所述候选区域的输出特征图。如此，可以提高电子设备运行神经网络模型的速度。神经网络模型的速度。神经网络模型的速度。
【技术实现步骤摘要】
神经网络模型中的特征处理方法、介质、设备和程序产品
[0001]本申请涉及人工智能领域，特别涉及一种神经网络模型中的特征处理方法、介质、设备和程序产品。
技术介绍
[0002]随着人工智能(artificial intelligence，AI)的迅速发展，神经网络模型在人工智能领域的应用越来越广泛。为了提高神经网络模型的运行速度，通常需要对神经网络模型中的算子的输出特征图进行区域特征聚集，得到固定大小的特征图。例如，在Faster
‑
RCNN网络中，可以通过RoiAlign算子对主干网络(backbone)的输出特征图通过候选框映射产生固定大小的特征图。
[0003]但是由于RoiAlign算子中包括累加、乘法、除法等运算，而用于运行神经网络模型的运算单元，例如神经网络处理器(Neural
‑
Network Processing Unit，NPU)，为定点运算单元，并没有能够直接实现RoiAlign算子中的除法等非线性运算的电路，而是通过迭代求解来实现，速度慢且占用NPU的大量硬件资源，降低了电子设备运行神经网络模型的速度。
技术实现思路
[0004]有鉴于此，本申请实施例提供了一种神经网络模型中的特征处理方法、介质、设备和程序产品。
[0005]第一方面，本申请实施例提供了一种神经网络模型中的特征处理方法，应用于电子设备，包括：
[0006]确定处理对象中的候选区域，并对所述候选区域实施目标运算，所述目标运算用于将候选区域内的输入特征图转换为固定大小的输出特征图；
[0007]确定所述目标运算对应的输入特征图和所述候选区域的坐标数据；
[0008]根据预先存储的输出参数对所述候选区域进行划分，得到多个子区域；其中，所述输出参数用于确定所述输出特征图的大小；
[0009]分别对各个所述子区域进行采样，以获得分别与各个所述子区域对应的至少一个采样点；
[0010]对所述候选区域的坐标数据进行放大处理；
[0011]基于放大处理后的候选区域的坐标数据、第一运算因子以及第二运算因子，确定各个所述子区域对应的各个采样点的坐标数据；其中，所述第一运算因子和所述第二运算因子均通过乘法和移位的形式表示；
[0012]基于所述输入特征图和各个所述子区域对应的各个采样点的坐标数据，分别确定各个所述子区域对应的各个采样点的特征值；
[0013]基于各个所述子区域对应的各个采样点的特征值，确定对应于所述候选区域的输出特征图。
[0014]可以理解，电子设备在运行神经网络模型过程中，若检测到将候选区域内的输入
特征图转换为固定大小的输出特征图的目标运算，例如通过RoiAlign算子基于候选框映射产生固定大小的特征图的运算，可以先对所述候选区域进行区域划分和采样，并预先对候选区域的坐标数据进行放大，基于放大处理后的坐标数据，以及通过乘法和移位的形式表示的第一运算因子和第二运算因子，计算候选区域中各个子区域对应的各个采样点的坐标数据，再根据各个采样点的坐标数据确定对应的特征值，从而确定出对应于所述候选区域的输出特征图，在后续运算过程中无需再对运算结果进行放大处理，并且规避了除法操作，在保证运算精度的同时减少了运算量，降低了电子设备运行包含所述目标运算的神经网络模型时占用的硬件资源，提高了电子设备运行包含所述目标运算的神经网络模型的速度。
[0015]在上述第一方面的一种可能实现中，所述对所述候选区域的坐标数据进行放大处理，包括：将所述候选区域的坐标数据放大2
shift
，其中shift为大于零的整数。
[0016]在上述第一方面的一种可能实现中，所述候选区域的坐标数据包括横向坐标数据和纵向坐标数据；
[0017]所述基于放大处理后的候选区域的坐标数据、第一运算因子以及第二运算因子，确定各个所述子区域对应的各个采样点的坐标数据，包括：
[0018]分别针对横向坐标数据和纵向坐标数据中每个方向的坐标数据，获取预先存储的所述坐标数据对应的第一运算因子；
[0019]获取预先存储的所述坐标数据对应方向的目标采样参数；
[0020]根据所述目标采样参数确定所述坐标数据对应的第二运算因子；
[0021]基于放大处理后的所述坐标数据及其对应的第一运算因子和第二运算因子，计算各个所述子区域对应的各个采样点在对应方向的坐标数据。
[0022]在上述第一方面的一种可能实现中，所述根据所述目标采样参数确定所述坐标数据对应的第二运算因子，包括：
[0023]判断所述目标采样参数是否大于零；
[0024]当所述目标采样参数大于零时，获取预先存储的所述坐标数据对应的第二运算因子；
[0025]当所述目标采样参数等于零时，生成所述目标采样参数的目标查表参数；
[0026]获取查找表中与所述目标查表参数对应的目标查表结果；
[0027]基于所述目标查表结果和所述坐标数据对应的第一运算因子，确定所述坐标数据对应的第二运算因子。
[0028]在上述第一方面的一种可能实现中，所述生成所述目标采样参数的目标查表参数，包括：基于放大处理后的所述坐标数据及其对应的第一运算因子，计算所述目标查表参数。
[0029]在上述第一方面的一种可能实现中，所述基于所述输入特征图和各个所述子区域对应的各个采样点的坐标数据，分别确定各个所述子区域对应的各个采样点的特征值，包括：
[0030]分别针对每个采样点，基于所述采样点的坐标数据，确定所述输入特征图中距离所述采样点最近的多个栅格点的坐标数据；
[0031]基于所述输入特征图和各个所述栅格点的坐标数据确定各个所述栅格点的特征值；
[0032]基于各个所述栅格点的坐标数据和特征值进行双线性差值运算，得到所述采样点对应的特征值。
[0033]在上述第一方面的一种可能实现中，所述基于各个所述子区域对应的各个采样点的特征值，确定对应于所述候选区域的输出特征图，包括：
[0034]获取预先存储的横向采样参数和纵向采样参数；
[0035]根据所述横向采样参数和所述纵向采样参数确定第三运算因子；
[0036]分别针对每个子区域，基于所述子区域对应的各个采样点的特征值与所述第三运算因子，计算所述子区域对应的特征值；
[0037]基于各个所述子区域对应的特征值，生成所述候选区域的输出特征图。
[0038]在上述第一方面的一种可能实现中，所述根据所述横向采样参数和所述纵向采样参数确定第三运算因子，包括：
[0039]分别判断所述横向采样参数和所述纵向采样参数是否大于零；
[0040]当所述横向采样参数和所述纵向采样参数均大于零时，获取预先存储的第三运算因子；
[0041]当所述横向采样参数和/或所述纵向采样参数等于零时，生成所述横向采样参数的第一查表参数，和/或，生成所述纵向采样参数的第二查表参数；
[0042]获取查本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种神经网络模型中的特征处理方法，应用于电子设备，其特征在于，包括：确定处理对象中的候选区域，并对所述候选区域实施目标运算，所述目标运算用于将候选区域内的输入特征图转换为固定大小的输出特征图；确定所述目标运算对应的输入特征图和所述候选区域的坐标数据；根据预先存储的输出参数对所述候选区域进行划分，得到多个子区域；其中，所述输出参数用于确定所述输出特征图的大小；分别对各个所述子区域进行采样，以获得分别与各个所述子区域对应的至少一个采样点；对所述候选区域的坐标数据进行放大处理；基于放大处理后的候选区域的坐标数据、第一运算因子以及第二运算因子，确定各个所述子区域对应的各个采样点的坐标数据；其中，所述第一运算因子和所述第二运算因子均通过乘法和移位的形式表示；基于所述输入特征图和各个所述子区域对应的各个采样点的坐标数据，分别确定各个所述子区域对应的各个采样点的特征值；基于各个所述子区域对应的各个采样点的特征值，确定对应于所述候选区域的输出特征图。2.根据权利要求1所述的方法，其特征在于，所述对所述候选区域的坐标数据进行放大处理，包括：将所述候选区域的坐标数据放大2
shift
，其中shift为大于零的整数。3.根据权利要求1所述的方法，其特征在于，所述候选区域的坐标数据包括横向坐标数据和纵向坐标数据；所述基于放大处理后的候选区域的坐标数据、第一运算因子以及第二运算因子，确定各个所述子区域对应的各个采样点的坐标数据，包括：分别针对横向坐标数据和纵向坐标数据中每个方向的坐标数据，获取预先存储的所述坐标数据对应的第一运算因子；获取预先存储的所述坐标数据对应方向的目标采样参数；根据所述目标采样参数确定所述坐标数据对应的第二运算因子；基于放大处理后的所述坐标数据及其对应的第一运算因子和第二运算因子，计算各个所述子区域对应的各个采样点在对应方向的坐标数据。4.根据权利要求3所述的方法，其特征在于，所述根据所述目标采样参数确定所述坐标数据对应的第二运算因子，包括：判断所述目标采样参数是否大于零；当所述目标采样参数大于零时，获取预先存储的所述坐标数据对应的第二运算因子；当所述目标采样参数等于零时，生成所述目标采样参数的目标查表参数；获取查找表中与所述目标查表参数对应的目标查表结果；基于所述目标查表结果和所述坐标数据对应的第一运算因子，确定所述坐标数据对应的第二运算因子。5.根据权利要求4所述的方法，其特征在于，所述生成所述目标采样参数的目标查表参数...
【专利技术属性】
技术研发人员：韩冥生，王晓雪，余宗桥，许礼武，
申请(专利权)人：安谋科技中国有限公司，
类型：发明
国别省市：
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。