【技术实现步骤摘要】
本申请实施例涉及卷积神经网络领域，具体而言，涉及一种图像处理方法及装置。
技术介绍
1、在卷积神经网络应用领域中，图像语义分割是一项重要的图像处理应用。在卷积神经网络中,感受野的定义是卷积神经网络每一层输出的特征图上的像素点在输入图片上映射的区域大小。图像语义分割中需要增加卷积特征的感受野，来更好地表征输出特征在输入特征上映射的范围，常用的增加感受野方法是使用池化层和卷积层结合的方式，但是池化层引入会缩小特征图尺寸造成精度上损失，而空洞卷积在增加感受野的同时避免了这一问题。与此同时，卷积神经网络在图像视觉方面也有着广泛的应用。
2、目前公开的空洞卷积常规计算方式有两种：卷积核插入零值扩张卷积核；输入特征图隔点采样计算。这类方法在空洞卷积计算时存在很多无效计算或不连续计算，使得空洞卷积的效率不高。
3、一方面，空洞卷积与常规卷积不同在于空洞卷积计算时的输入特征图不是连续的，需要间隔采样输入特征图，不同的扩张率与采样间隔大小不同；另一方面，为了提高卷积神经网络运算速度，常用的卷积计算采用的是矩阵乘加方式，要求输入数据...
【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，将所述卷积核拆分成多组子卷积核，包括：
3.根据权利要求2所述的方法，其特征在于，在根据预设的重排规则对所述目标图像的输入特征图进行重新排布，得到目标输入特征图之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，确定每组所述子卷积核对应的目标输入特征图的输入区域位置和目标输出特征图的输出区域位置，包括：
5.根据权利要求4所述的方法，其特征在于，根据所述第一维度M、所述第二维度N及所述扩张率D确定所述卷积核的感受野K
【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，将所述卷积核拆分成多组子卷积核，包括：
3.根据权利要求2所述的方法，其特征在于，在根据预设的重排规则对所述目标图像的输入特征图进行重新排布，得到目标输入特征图之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，确定每组所述子卷积核对应的目标输入特征图的输入区域位置和目标输出特征图的输出区域位置，包括：
5.根据权利要求4所述的方法，其特征在于，根据所述第一维度m、所述第二维度n及所述扩张率d确定所述卷积核的感受野k，包括：
6.根据权利要求3所述的方法，其特征在于，对所述多组子卷积核和所述目标输入特征图进行矩阵乘加处理...
【专利技术属性】
技术研发人员：刘隽，
申请(专利权)人：中兴通讯股份有限公司，
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。