【技术实现步骤摘要】
本专利技术涉及计算机，特别是涉及一种图像数据处理方法、装置、设备及介质。
技术介绍
1、随着计算机视觉、自然语言处理的发展，深度神经网络在这些人工智能领域越发凸显重要的地位。
2、由于在图像数据处理过程中，用到的模型压缩方法得到的深度神经网络的层数多、参数量较大带来的较大的存储空间，使得降低占用存储空间具有较大的意义。当前深度神经网络参数在采用张量分解的参数压缩过程中，直接对原始高维张量进行分解，导致张量分解过程中数据处理的计算复杂度较高；同时，原始高维张量对应的存储量较大，使得高维张量在分解后对应的存储空间也较大，对应图像数据处理过程中的数据占用空间较大。
3、因此，如何在图像数据处理过程中减少存储空间和降低张量分解过程时数据处理的计算复杂度是本领域技术人员亟需要解决的技术问题。
技术实现思路
1、本专利技术的目的是提供一种图像数据处理方法、装置、设备及介质，以解决当前图像数据处理过程中对应的张量分解过程中的计算复杂度高和存储空间较大的技术问题。
2、为解决上述技术问题，本专利技术提供一种图像数据处理方法，包括：
3、获取初始图像数据；
4、调用深度学习模型以输入所述初始图像数据，并获取所述深度学习模型的输出结果；
5、将输出结果作为所述初始图像数据的处理结果；
6、其中，所述深度学习模型的参数包括第一张量；所述第一张量由第二张量的逼近张量替换得到；第二张量的逼近张量由各元素规模对应的子张量进行张
7、一方面，各元素规模对应的子张量包括初始子张量和重叠子张量，各元素规模对应的子张量由第二张量进行粗采样处理和细采样处理得到，包括：
8、将第二张量的第一个维度到最后一个维度对应的元素分别进行细采样处理以作为各元素规模对应的初始子张量对应的目标维度的维度元素，其中，细采样处理的元素个数与第二张量对应的维度的元素个数相同；
9、获取粗采样处理的采样比例；
10、根据所述采样比例对各元素规模对应的初始子张量内除所述目标维度之外的其余维度的元素分别进行粗采样处理得到采样后的维度元素，其中，粗采样处理的元素个数与第二张量对应的维度的元素个数不同；
11、将采样后的维度元素与所述目标维度的维度元素组合形成初始子张量；并根据第二张量的维度个数对采样后的维度元素进行处理得到重叠子张量；
12、将初始子张量和重叠子张量作为各元素规模对应的子张量。
13、另一方面，在粗采样处理的所述采样比例相同时，根据所述采样比例对各元素规模对应的初始子张量内除所述目标维度之外的其余维度的元素分别进行粗采样处理得到采样后的维度元素，包括：
14、以所述目标维度为固定维度，将所述其余维度对应第二张量的维度位置对应的元素个数按照所述采样比例进行粗采样处理得到采样后的维度元素。
15、另一方面，初始子张量的个数和第二张量的维度数相同。
16、另一方面，保留的重叠子张量的个数为一个，第二张量、初始子张量和重叠子张量对应的关系如下：
17、将第二张量的维度数减1得到重叠子张量对应的重复系数；
18、将所述重复系数与重叠子张量进行相乘处理得到第一子张量；
19、将各初始子张量进行相加处理得到第二子张量；
20、将所述第二子张量与所述第一子张量进行相减处理得到第二张量。
21、另一方面，在粗采样处理的所述采样比例为多个，且不同时，根据所述采样比例对各元素规模对应的初始子张量内除所述目标维度之外的其余维度的元素分别进行粗采样处理得到采样后的维度元素，包括：
22、以所述目标维度为固定维度，将所述其余维度对应第二张量的维度位置对应的元素个数分别按照各所述采样比例进行粗采样处理得到采样后的维度元素，其中，所述采样比例的个数小于或等于所述其余维度的维度数量。
23、另一方面，粗采样处理的所述采样比例的确定过程，包括：
24、获取粗采样处理的维度元素个数规则和整数规则；
25、根据所述维度元素个数规则和所述整数规则确定所述采样比例；
26、其中，所述维度元素个数规则为初始子张量的采样后的维度元素个数小于第二张量的维度元素个数；
27、所述整数规则为初始子张量的采样后的维度元素个数与第二张量的维度元素个数之间存在系数为整数的正比例关系。
28、另一方面，所述采样比例为第二张量的维度元素个数的n次方，其中，n大于0且小于1。
29、另一方面，第二张量的逼近张量由各元素规模对应的子张量进行张量分解和组合得到，包括：
30、将各元素规模对应的子张量内的初始子张量和重叠子张量分别进行张量分解得到对应的低秩张量；
31、将各所述低秩张量进行组合得到第二张量的逼近张量。
32、另一方面，将各元素规模对应的子张量内的初始子张量和重叠子张量分别进行张量分解得到对应的低秩张量，包括：
33、在各元素规模对应的子张量内的初始子张量和重叠子张量内选取当前子张量；
34、根据当前子张量的各维度确定各维度对应的张量秩；
35、将各维度对应的张量秩以及对应的元素确定当前子张量对应的张量核；
36、将当前子张量对应的张量核作为当前子张量的张量分解后的所述低秩张量。
37、另一方面，在各张量核中第一个维度对应的张量核和最后一个维度对应的张量核为二维矩阵。
38、另一方面，将各所述低秩张量进行组合得到第二张量的逼近张量，包括：
39、将各初始子张量对应的低秩张量进行相加处理得到第一组合张量；
40、将重叠子张量对应的低秩张量与对应的重复系数进行相乘处理得到第二组合张量；
41、将所述第一组合张量与所述第二组合张量进行相减处理得到第二张量的逼近张量。
42、另一方面，在将第二张量进行粗采样处理和细采样处理得到各元素规模对应的子张量之后，在将各元素规模对应的子张量进行张量分解和组合得到第二张量的逼近张量之前，还包括：
43、获取第二张量对应的存储复杂度和各元素规模对应的子张量对应的存储复杂度；
44、判断第二张量对应的存储复杂度是否均大于各元素规模对应的子张量对应的存储复杂度；
45、若是，则确定各元素规模对应的子张量验证成功。
46、另一方面，在所述采样比例的数量为一个时，各元素规模对应的子张量对应的存储复杂度的确定过程包括：
47、初始子张量的存储复杂度对应的度量由所述采样比例得到；
48、重叠子张量的存储复杂度对应的度量由所述采样比例与重叠子张量本文档来自技高网...
【技术保护点】
1.一种图像数据处理方法，其特征在于，包括：
2.根据权利要求1所述的图像数据处理方法，其特征在于，各元素规模对应的子张量包括初始子张量和重叠子张量，各元素规模对应的子张量由第二张量进行粗采样处理和细采样处理得到，包括：
3.根据权利要求2所述的图像数据处理方法，其特征在于，在粗采样处理的所述采样比例相同时，根据所述采样比例对各元素规模对应的初始子张量内除所述目标维度之外的其余维度的元素分别进行粗采样处理得到采样后的维度元素，包括：
4.根据权利要求3所述的图像数据处理方法，其特征在于，初始子张量的个数和第二张量的维度数相同。
5.根据权利要求4所述的图像数据处理方法，其特征在于，保留的重叠子张量的个数为一个，第二张量、初始子张量和重叠子张量对应的关系如下：
6.根据权利要求2所述的图像数据处理方法，其特征在于，在粗采样处理的所述采样比例为多个，且不同时，根据所述采样比例对各元素规模对应的初始子张量内除所述目标维度之外的其余维度的元素分别进行粗采样处理得到采样后的维度元素，包括：
7.根据权利要求2至6任意一
8.根据权利要求2至6任意一项所述的图像数据处理方法，其特征在于，所述采样比例为第二张量的维度元素个数的N次方，其中，N大于0且小于1。
9.根据权利要求7所述的图像数据处理方法，其特征在于，第二张量的逼近张量由各元素规模对应的子张量进行张量分解和组合得到，包括：
10.根据权利要求9所述的图像数据处理方法，其特征在于，将各元素规模对应的子张量内的初始子张量和重叠子张量分别进行张量分解得到对应的低秩张量，包括：
11.根据权利要求10所述的图像数据处理方法，其特征在于，在各张量核中第一个维度对应的张量核和最后一个维度对应的张量核为二维矩阵。
12.根据权利要求10所述的图像数据处理方法，其特征在于，将各所述低秩张量进行组合得到第二张量的逼近张量，包括：
13.根据权利要求12所述的图像数据处理方法，其特征在于，在将第二张量进行粗采样处理和细采样处理得到各元素规模对应的子张量之后，在将各元素规模对应的子张量进行张量分解和组合得到第二张量的逼近张量之前，还包括：
14.根据权利要求13所述的图像数据处理方法，其特征在于，在所述采样比例的数量为一个时，各元素规模对应的子张量对应的存储复杂度的确定过程包括：
15.根据权利要求12所述的图像数据处理方法，其特征在于，在将第二张量进行粗采样处理和细采样处理得到各元素规模对应的子张量之后，在将各元素规模对应的子张量进行张量分解和组合得到第二张量的逼近张量之前，还包括：
16.根据权利要求13所述的图像数据处理方法，其特征在于，在将各元素规模对应的子张量进行张量分解和组合得到第二张量的逼近张量之后，还包括：
17.根据权利要求13所述的图像数据处理方法，其特征在于，若第二张量对应的存储复杂度存在小于或者等于各元素规模对应的子张量对应的存储复杂度时，还包括：
18.一种图像数据处理装置，其特征在于，包括：
19.一种图像数据处理设备，其特征在于，包括：
20.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至17任一项所述的图像数据处理方法的步骤。
...【技术特征摘要】
1.一种图像数据处理方法，其特征在于，包括：
2.根据权利要求1所述的图像数据处理方法，其特征在于，各元素规模对应的子张量包括初始子张量和重叠子张量，各元素规模对应的子张量由第二张量进行粗采样处理和细采样处理得到，包括：
3.根据权利要求2所述的图像数据处理方法，其特征在于，在粗采样处理的所述采样比例相同时，根据所述采样比例对各元素规模对应的初始子张量内除所述目标维度之外的其余维度的元素分别进行粗采样处理得到采样后的维度元素，包括：
4.根据权利要求3所述的图像数据处理方法，其特征在于，初始子张量的个数和第二张量的维度数相同。
5.根据权利要求4所述的图像数据处理方法，其特征在于，保留的重叠子张量的个数为一个，第二张量、初始子张量和重叠子张量对应的关系如下：
6.根据权利要求2所述的图像数据处理方法，其特征在于，在粗采样处理的所述采样比例为多个，且不同时，根据所述采样比例对各元素规模对应的初始子张量内除所述目标维度之外的其余维度的元素分别进行粗采样处理得到采样后的维度元素，包括：
7.根据权利要求2至6任意一项所述的图像数据处理方法，其特征在于，粗采样处理的所述采样比例的确定过程，包括：
8.根据权利要求2至6任意一项所述的图像数据处理方法，其特征在于，所述采样比例为第二张量的维度元素个数的n次方，其中，n大于0且小于1。
9.根据权利要求7所述的图像数据处理方法，其特征在于，第二张量的逼近张量由各元素规模对应的子张量进行张量分解和组合得到，包括：
10.根据权利要求9所述的图像数据处理方法，其特征在于，将各元素规模对应的子张量内的初始子张量和重叠子张量分别进行张量分解得到对应...
【专利技术属性】
技术研发人员：侯鹏宇，王彦伟，
申请(专利权)人：浪潮北京电子信息产业有限公司，
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。