数据处理方法、装置、电子设备以及存储介质制造方法及图纸

本发明专利技术公开了一种数据处理方法、装置、电子设备以及存储介质。该方法包括：获取待识别数字信号，基于特征提取模型得到所述待识别数字信号的第一特征张量和至少一个第二特征张量；将各所述第二特征张量进行拼接得到第二拼接特征张量，基于所述第一特征张量和所述第二拼接特征张量得到所述待识别数字信号对应的融合特征张量；对所述融合特征进行特征识别，得到所述待识别数字信号对应的识别结果。通过本发明专利技术公开的技术方案，解决了现有技术中的识别结果准确率低的问题，通过多种特征对图像进行识别，提高了图像识别的准确率。提高了图像识别的准确率。提高了图像识别的准确率。

【技术实现步骤摘要】
数据处理方法、装置、电子设备以及存储介质


[0001]本专利技术涉及自动驾驶
，尤其涉及一种数据处理方法、装置、电子设备以及存储介质。

技术介绍

[0002]目前使用的神经网络中，几乎所有的检测、分割、跟踪、分类等网络算法，均是沿用了传统CNN网络中conv+BN+act(即卷积+批量归一化+激活函数)这一算子操作组合，能够很好地对输入数据张量进行特征提取，最终实现网络的识别输出。
[0003]虽然网络中的BN层的存在能够加速网络收敛、减轻网络过拟合，增强网络泛化性能等优势，但是仍然存在因为批量归一化导致的局部细节信息丢失或者掩盖的问题。例如，在一些目标检测、分割任务中，因为目标区域过小，使用BN+Act(批量归一化+激活函数)后，会存在局部纹理、梯度信息因数值上归一化后变得平滑，进而影响最终识别结果。

技术实现思路

[0004]本专利技术提供了一种数据处理方法、装置、电子设备以及存储介质，以解决现有技术中的识别结果准确率低的问题，通过多种特征对图像进行识别，提高了图像识别的准确率。
[0005]第一方面，本专利技术实施例提供了一种数据处理方法，该方法包括：
[0006]获取待识别数字信号，基于特征提取模型得到所述待识别数字信号的第一特征张量和至少一个第二特征张量；
[0007]将各所述第二特征张量进行拼接得到第二拼接特征张量，基于所述第一特征张量和所述第二拼接特征张量得到所述待识别数字信号对应的融合特征张量；
[0008]对所述融合特征进行特征识别，得到所述待识别数字信号对应的识别结果。
[0009]可选的，所述特征提取模型包括第一特征提取子模型；
[0010]所述基于特征提取模型得到所述待识别数字信号的第一特征张量，包括：
[0011]将所述待识别数字信号输入至所述第一特征提取子模型，得到所述第一特征提取子模型输出的第一特征张量。
[0012]可选的，所述特征提取模型包括第二特征提取子模型；所述第二特征提取子模型包括卷积层、归一化层和激活层；其中，
[0013]所述卷积层，用于生成所述待识别数字信号的卷积特征张量；
[0014]所述归一化层，用于基于所述卷积特征张量的图像尺寸以及预设滑动窗口的窗口尺寸确定多个滑动区域，分别对各滑动区域的卷积特征张量进行归一化处理，得到至少一个归一化特征张量；
[0015]所述激活层，用于分别对各所述归一化特征张量进行激活处理，得到至少一个第二特征张量。
[0016]可选的，各所述滑动区域之间无交叉区域。
[0017]可选的，所述分别对各所述归一化特征张量进行激活处理，得到至少一个第二特
征张量，包括：
[0018]获取预设的激活函数，基于所述激活函数对各所述归一化图像进行激活处理，得到至少一个第二特征张量；所述激活函数包括：
[0019][0020]其中，y表示第二特征张量；x表示归一化特征张量中的像素点特征；k为引入的超参数。
[0021]可选的，所述对所述融合特征进行特征识别，得到所述待识别数字信号对应的识别结果，包括：
[0022]获取预设的识别模型，将所述融合特征张量输入至所述识别模型，得到所述识别模型输出的识别结果。
[0023]可选的，所述第一特征张量包括全局特征张量；所述第二特征张量包括局部特征张量。
[0024]第二方面，本专利技术实施例还提供了一种数据处理装置，该装置包括：
[0025]特征张量获得模块，用于获取待识别数字信号，基于特征提取模型得到所述待识别数字信号的第一特征张量和至少一个第二特征张量；
[0026]融合特征张量获得模块，用于将各所述第二特征张量进行拼接得到第二拼接特征张量，基于所述第一特征张量和所述第二拼接特征张量得到所述待识别数字信号对应的融合特征张量；
[0027]识别结果获得模块，用于对所述融合特征进行特征识别，得到所述待识别数字信号对应的识别结果。
[0028]第三方面，本专利技术实施例还提供了一种电子设备，包括：
[0029]至少一个处理器；以及
[0030]与所述至少一个处理器通信连接的存储器；其中，
[0031]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的数据处理方法。
[0032]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的数据处理方法。
[0033]本实施例的技术方案，通过获取待识别数字信号，基于特征提取模型得到待识别数字信号的第一特征张量和至少一个第二特征张量；将各第二特征张量进行拼接得到第二拼接特征张量，基于第一特征张量和第二拼接特征张量得到待识别数字信号对应的融合特征张量；对融合特征进行特征识别，得到待识别数字信号对应的识别结果。上述技术方案在实现了局部归一化与非线性激活之后，将这两道算子与卷积组合成为一个支路，与常规的卷积层并行,以一种双支路的方式实现了输入信息的特征提取，从而能够获取到更丰富的特征信息，以解决现有技术中的识别结果准确率低的问题，通过多种特征对图像进行识别，提高了图像识别的准确率。
[0034]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特
征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0035]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0036]图1是根据本专利技术实施例一提供的一种数据处理方法的流程图；
[0037]图2是根据本专利技术实施例一所提供的一种归一化网络层的结构示意图；
[0038]图3是根据本专利技术实施例一所提供的另一种归一化网络层的结构示意图；
[0039]图4是根据本专利技术实施例一所提供的一种激活函数中的超参数的分布示意图；
[0040]图5是根据本专利技术实施例二提供的一种数据处理装置的结构示意图；
[0041]图6是实现本专利技术实施例的数据处理方法的电子设备的结构示意图。
具体实施方式
[0042]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0043]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，包括：获取待识别数字信号，基于特征提取模型得到所述待识别数字信号的第一特征张量和至少一个第二特征张量；将各所述第二特征张量进行拼接得到第二拼接特征张量，基于所述第一特征张量和所述第二拼接特征张量得到所述待识别数字信号对应的融合特征张量；对所述融合特征进行特征识别，得到所述待识别数字信号对应的识别结果。2.根据权利要求1所述的方法，其特征在于，所述特征提取模型包括第一特征提取子模型；所述基于特征提取模型得到所述待识别数字信号的第一特征张量，包括：将所述待识别数字信号输入至所述第一特征提取子模型，得到所述第一特征提取子模型输出的第一特征张量。3.根据权利要求1所述的方法，其特征在于，所述特征提取模型包括第二特征提取子模型；所述第二特征提取子模型包括卷积层、归一化层和激活层；其中，所述卷积层，用于生成所述待识别数字信号的卷积特征张量；所述归一化层，用于基于所述卷积特征张量的尺寸以及预设滑动窗口的窗口尺寸确定多个滑动区域，分别对各滑动区域的卷积特征张量进行归一化处理，得到至少一个归一化特征张量；所述激活层，用于分别对各所述归一化特征张量进行激活处理，得到至少一个第二特征张量。4.根据权利要求3所述的方法，其特征在于，各所述滑动区域之间无交叉区域。5.根据权利要求4所述的方法，其特征在于，所述分别对各所述归一化特征张量进行激活处理，得到至少一个第二特征张量，包括：获取预设的激活函数，基于所述激活函数对各所述归一化图像进行激活处理，得到至少一个第二特征张量；所述激活函数包括：其中，y表示第二特征张量...

【专利技术属性】
技术研发人员：朱亚旋，吴继超，汤崇远，张达明，宋楠楠，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：