一种图像处理方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例提供了一种图像处理方法、装置、电子设备及存储介质，所述方法包括：获取待处理图像，待处理图像为需要进行目标处理的图像，目标处理包括对特征图进行非0填充后进行卷积运算；将所述待处理图像输入预设卷积神经网络进行处理，得到图像处理结果，预设卷积神经网络为预先将原始卷积神经网络中的第一子结构替换为第二子结构得到的，第一子结构将特征图输入非0填充节点后的输出结果输入卷积层，第二子结构的计算结果与所述第一子结构，且不将特征图输入非0填充节点后的输出结果输入卷积层。由于卷积层的输入不包括非0填充节点，因此硬核可以执行填充值非0的卷积计算操作，提高了图像处理的效率。

【技术实现步骤摘要】

本专利技术涉及图像处理，特别是涉及一种图像处理方法、装置、电子设备及存储介质。

技术介绍

1、卷积神经网络是一种擅长图像处理的深度学习神经网络，卷积神经网络由多个计算层组成，其中最关键的计算层是conv(卷积)层，conv层往往占据卷积神经网络的最大计算比重。卷积神经网络中的conv层很多均需有对应的pad(填充)操作，即在进行卷积计算之前，需要对输入图像进行pad处理。当pad的填充值非0时，由于硬核本身限制，图像处理设备可能无法支持填充值非0的卷积计算。

2、对此，目前的解决方式中，是将填充值非0的卷积计算转移到软核上执行，但是，由于绝大部分软核的算力远低于硬核的算力，并且卷积计算本身的计算量较大，因此，采用该方式会大大增加图像处理的耗时，图像处理效率较低。

技术实现思路

1、本专利技术实施例的目的在于提供一种图像处理方法、装置、电子设备及存储介质，至少用以降低图像处理的时长，提高图像处理效率。具体技术方案如下：

2、第一方面，本专利技术实施例提供了一种图像处理方法，所述方法包括：本文档来自技高网...

【技术保护点】

1.一种图像处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述第一子结构将特征图输入非0填充节点后的输出结果输入卷积层；

3.根据权利要求2所述的方法，其特征在于，所述预设卷积神经网络的确定方式，包括：

4.根据权利要求3所述的方法，其特征在于，所述第一子结构还将卷积层的输出结果输入第一逐元素计算节点；所述第二子结构将特征图输入卷积层，卷积层的输出结果与预设常量张量输入第二逐元素计算节点；

5.根据权利要求4所述的方法，其特征在于，所述遍历所述原始卷积神经网络，确定所述原始卷积神经网络中包括的第一子结构的步...

【技术特征摘要】

1.一种图像处理方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述第一子结构将特征图输入非0填充节点后的输出结果输入卷积层；

3.根据权利要求2所述的方法，其特征在于，所述预设卷积神经网络的确定方式，包括：

4.根据权利要求3所述的方法，其特征在于，所述第一子结构还将卷积层的输出结果输入第一逐元素计算节点；所述第二子结构将特征图输入卷积层，卷积层的输出结果与预设常量张量输入第二逐元素计算节点；

5.根据权利要求4所述的方法，其特征在于，所述遍历所述原始卷积神经网络，确定所述原始卷积神经网络中包括的第一子结构的步骤，包括：

6.根据权利要求3-5...

【专利技术属性】
技术研发人员：陈良，苏丽雪，林秀，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
类型：发明
国别省市：