特征图的处理方法和相关设备技术

本申请涉及人工智能技术领域，提供了一种特征图的处理方法和相关设备。该方法通过调用包括多个输入适配分支和后处理部分的神经网络模型实现，多个输入适配分支的输出为后处理部分的输入，多个输入适配分支中的每个输入适配分支可对特征图进行不同倍率的下采样处理；具体地，将第一特征图输入多个输入适配分支中的其中一个输入适配分支，以得到第二特征图，其中一个输入适配分支是根据第一特征图的尺寸和预设尺寸阈值确定的，预设尺寸阈值为后处理部分的输入特征图的上限尺寸，第二特征图的尺寸不大于预设尺寸阈值；将第二特征图输入后处理部分进行后处理，以得到第一特征图的处理结果。本申请实施例能够降低算力。本申请实施例能够降低算力。本申请实施例能够降低算力。

【技术实现步骤摘要】
特征图的处理方法和相关设备


[0001]本申请实施例涉及人工智能(AI)
，尤其涉及一种特征图的处理方法和相关设备。

技术介绍

[0002]现有机器任务的神经网络是以图像作为输入的视觉任务神经网络(简称为图像域任务网络)，也即图像域任务网络的输入为图像，图像域任务网络对输入的图像进行处理后，输出处理结果。图像域任务网络结合视频或图像编解码应用时，需要解码端(例如基于人工神经网络的图像解码器)首先解析码流产生重建特征图，再将重建特征图输入图像重建网络产生重建图像，以重建图像作为图像域任务网络的输入。因此，图像域任务网络结合视频或图像编解码应用时需要较大的算力。

技术实现思路

[0003]本申请提供一种特征图的处理方法和相关设备，能够降低算力。
[0004]上述和其它目标通过独立权利要求的主体实现。其它实现方式在从属权利要求、具体实施方式和附图中显而易见。
[0005]具体实施例在所附独立权利要求中概述，其它实施例在从属权利要求中概述。
[0006]根据第一方面，本申请涉及一种特征图的处理方法。所述方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种特征图的处理方法，其特征在于，所述方法通过调用神经网络模型实现，所述神经网络模型包括多个输入适配分支和后处理部分，所述多个输入适配分支的输出为所述后处理部分的输入，所述多个输入适配分支用于对特征图进行下采样，所述多个输入适配分支中的每个输入适配分支对特征图的下采样倍率不同；所述方法包括：将第一特征图输入所述多个输入适配分支中的其中一个输入适配分支，以得到第二特征图，所述其中一个输入适配分支是根据所述第一特征图的尺寸和预设尺寸阈值确定的，所述预设尺寸阈值为所述后处理部分的输入特征图的上限尺寸，所述第二特征图的尺寸不大于所述预设尺寸阈值；将所述第二特征图输入所述后处理部分进行后处理，以得到所述第一特征图的处理结果。2.根据权利要求1所述的方法，其特征在于，所述多个输入适配分支中对特征图的下采样倍率为整数倍的任一第一输入适配分支包括至少一个第一卷积层，所述至少一个第一卷积层用于对特征图进行下采样，所述至少一个第一卷积层的步长是根据所述任一第一输入适配分支对特征图的下采样倍率确定的。3.根据权利要求1所述的方法，其特征在于，所述多个输入适配分支中对特征图的下采样倍率为非整数倍的任一第二输入适配分支包括至少一个上采样模块和至少一个第二卷积层，所述至少一个上采样模块用于对特征图进行上采样，所述至少一个第二卷积层用于对所述上采样得到的特征图进行下采样，所述至少一个上采样模块对特征图的上采样倍率以及所述至少一个第二卷积层的步长是根据所述任一第二输入适配分支对特征图的下采样倍率确定的。4.根据权利要求1所述的方法，其特征在于，所述多个输入适配分支中对特征图的下采样倍率大于1的任一第三输入适配分支包括至少一个残差块结构(Resblock)，所述至少一个残差块结构用于对特征图进行下采样，所述至少一个残差块结构包括多个第三卷积层，所述多个第三卷积层中的任一第三卷积层的步长是根据所述任一第三输入适配分支对特征图的下采样倍率确定的。5.根据权利要求1
‑
4任一项所述的方法，其特征在于，所述其中一个输入适配分支是根据第一比值和第二比值中的最大值确定的，所述第一比值为所述第一特征图的宽和所述预设尺寸阈值的宽之间的比值，所述第二比值为所述第一特征图的高和所述预设尺寸阈值的高之间的比值。6.根据权利要求1
‑
5任一项所述的方法，其特征在于，若所述第二特征图的尺寸大于所述预设尺寸阈值，所述方法还包括：从所述第二特征图中截取得到第三特征图，所述第三特征图的尺寸不大于所述预设尺寸阈值；将所述第三特征图输入所述后处理部分进行后处理，以得到所述第一特征图的处理结果。7.根据权利要求1
‑
6任一项所述的方法，其特征在于，所述第一特征图为解码码流得到的特征图。8.根据权利要求1
‑
7任一项所述的方法，其特征在于，所述方法还包括：根据训练样本集对所述神经网络模型进行N轮训练，以得到N个第一损失值，所述训练
样本集包括至少N种尺寸的样本特征图，所述N不小于所述多个输入适配分支的数量，所述N为整数；根据所述N个第一损失值得到第二损失值；根据所述第二损失值更新所述神经网络模型的参数。9.一种特征图的处理装置，其特征在于，所述装置通过调用神经网络模型实现，所述神经网络模型包括多个输入适配分支和后处理部分，所述多个输入适配分支的输出为所述后处理部分的输入，所述多个输入适配分支用于对特征图进行下采样，所述多个输入适配分支中的每个输入适配分支对特征图的下采样倍率不同；所述装置包括处理单元，用于：将第一...

【专利技术属性】
技术研发人员：赵寅，毛珏，杨海涛，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：