【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大多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。
[0003]为此,采用以特征图作为输入的视觉任务神经网络(简称为特征域任务网络)替代图像域任务网络,以降低机器任务在结合视频或图像编解码应用时的算力。例如,将解析码流产生的重建特征图作为特征域任务网络的输入,省去图像重建的过程,从而降低算力。然而,在给定算力的情况下,如何使得特征域任务网络可以适配不同尺寸(也称分辨率)的输入特征图,仍为还未解决的技术问题。
技术实现思路
[0004]本申请提供一种特征图的处理方法和相关设备,在给定算力的情况下,能够使得特征域任务网络适配不同尺寸的输入特征图。
[0005]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。
[0006]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。
[0007]根据第 ...
【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,包括:根据预设的步长与特征图尺寸范围的对应关系、以及目标特征图的尺寸确定P个目标步长,所述P为任意正整数;调用神经网络模型对所述目标特征图进行处理,以得到所述目标特征图的处理结果;其中,所述神经网络模型包括P个动态步长模块,在调用所述神经网络模型对所述目标特征图进行处理的过程中,所述P个动态步长模块中的任一个动态步长模块的步长为所述P个目标步长中与所述任一个动态步长模块对应的目标步长。2.根据权利要求1所述的方法,其特征在于,所述目标特征图是解码码流得到的特征图。3.根据权利要求1或2所述的方法,其特征在于,所述动态步长模块为动态步长卷积层或动态步长残差块。4.根据权利要求1
‑
3任一项所述的方法,其特征在于,所述方法还包括:确定所述预设的步长与特征图尺寸范围的对应关系,所述预设的步长与特征图尺寸范围的对应关系包括N组步长与N个特征图尺寸范围的对应关系,所述N为任意正整数;获取M组样本特征图,所述M组样本特征图中的任一组样本特征图包括所述N个特征图尺寸范围中的任一个特征图尺寸范围内的特征图,所述M为任意正整数;根据所述M组样本特征图对神经网络进行多次迭代训练,以得到所述神经网络模型;其中,在采用任一个样本特征图对所述神经网络进行训练的过程中,所述P个动态步长模块中的任一个动态步长模块的步长为P个训练步长中与所述任一个动态步长模块对应的训练步长,所述P个训练步长是根据所述N组步长与N个特征图尺寸范围的对应关系、以及所述任一个样本特征图的尺寸从所述N组步长中确定的。5.根据权利要求4所述的方法,其特征在于,所述根据所述M组样本特征图对神经网络进行多次迭代训练,以得到所述神经网络模型,包括:S1:针对第一组样本特征图,执行步骤S11至步骤S13,所述第一组样本特征图为所述M组样本特征图中的任一组样本特征图:S11:将所述第一组样本特征图中的第一样本特征图输入所述神经网络,以得到第一损失;S12:若所述第一损失收敛,则得到所述神经网络模型;若所述第一损失不收敛,则根据所述第一损失调整所述神经网络的参数,以及执行步骤S13;S13:将所述第一组样本特征图中还未用于训练的任一第二样本特征图作为所述第一样本特征图,继续执行上述步骤S11和S12;若直至所述第一组样本特征图中的全部样本特征图均用于训练过之后,所述第一损失仍不收敛,则执行步骤S2;S2:将所述M组样本特征图中还未用于训练的任一第二组样本特征图作为所述第一组样本特征图,继续执行上述步骤S1。6.根据权利要求4所述的方法,其特征在于,所述根据所述M组样本特征图对神经网络进行多次迭代训练,以得到所述神经网络模型,包括:S1:针对第一组样本特征图,执行步骤S11至步骤S13,所述第一组样本特征图为所述M组样本特征图中的任一组样本特征图:S11:将所述第一组样本特征图输入所述神经网络,以得到N个第一损失,所述N个第一
损失与所述N个特征图尺寸范围对应;S12:根据所述N个第一损失计算得到第二损失;S13:若所述第二损失收敛,则得到所述神经网络模型;若所述第二损失不收敛,则根据所述第二损失调整所述神经网络的参数,以及执行步骤S2;S2:将所述M组样本特征图中还未用于训练的任一第二组样本特征图作为所述第一组样本特征图,继续执行上述步骤S1。7.根据权利要求4
‑
6任一项所述的方法,其特征在于,所述M组样本特征图中的任一组样本特征图包括N个样本特征图,所述N个样本特征图是对N个第一样本图像进行编码得到的,所述N个第一样本图像是对第二样本图像进行尺寸调整得到的,所述N个第一样本图像包括N个图像尺寸范围的图像,所述N个图像尺寸范围与所述N个特征图尺寸范围对应。8.一种特征图的处理装置,其特征在于,包括:处理单元,用于:根据预设的步长与特征图尺寸范围的对应关系、以及目标特征图的尺寸确定P个目标步长,所述P为任意正整数;调用神经网络模型对所述目标特征图进行处理,以得到所述目标特征图的处理结果;其中,所述神经网络模...
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。