一种基于卷积神经网络的图像处理方法、装置及移动终端.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107424184A(43)申请公布日2017.12.01(21)申请号201710288470.6(22)申请日2017.04.27(71)申请人厦门美图之家科技有限公司地址361008福建省厦门市湖里区火炬高新区创业园创业大厦11室(72)发明人李启东李志阳张伟傅松林龚秋棠(74)专利代理机构北京思睿峰知识产权代理有限公司11396代理人谢建云赵爱军(51)Int.Cl.G06T7/42(2017.01)G06T1/00(2006.01)G06N3/04(2006.01)权利要求书2页说明书15页附图4页(54)发明名称一种基于卷积神经网络的图像处理方法、装置及移动终端(57)摘要本发明公开了一种基于卷积神经网络的图像处理方法、装置及移动终端，该方法适于在具有图形程序接口的移动终端中执行，其中，卷积神经网络包括多个处理层和多个数据层，该方法包括：将待处理图片作为第一个数据层输入到卷积神经网络；对每一个数据层，根据该数据层的最大像素值和最小像素值，将该数据层的多个特征图中各像素的值转换成纹理数据；根据特征图尺寸、纹理横向数量和纹理纵向数量，将转换成纹理数据后的多个特征图组合形成对应的大纹理进行存储；对每一个处理层，将与之相连的上一数据层对应的大纹理中的纹理数据转换成第一数据格式，调用图形程序接口对其进行与该处理层对应的渲染处理，以生成下一数据层中的多个特征图。CN107424184ACN107424184A权利要求书1/2页1.一种基于卷积神经网络的图像处理方法，适于在具有图形程序接口的移动终端中执行，所述卷积神经网络包括多个处理层和多个数据层，其中每个处理层用于处理与之相连的上一数据层中的多个特征图，以生成下一数据层中的多个特征图，所述移动终端中存储有各数据层对应于图形程序接口的存储参数，所述存储参数包括最大像素值和最小像素值、特征图尺寸、纹理横向数量和纹理纵向数量，所述方法包括：将待处理图片作为第一个数据层输入到所述卷积神经网络；对每一个数据层，根据该数据层的最大像素值和最小像素值，将该数据层的多个特征图中各像素的值转换成纹理数据，所述像素的值满足第一数据格式，所述纹理数据满足第二数据格式；根据所述特征图尺寸、纹理横向数量和纹理纵向数量，将转换成纹理数据后的多个特征图组合形成对应的大纹理进行存储；对每一个处理层，将与之相连的上一数据层对应的大纹理中的纹理数据转换成第一数据格式，调用所述图形程序接口对其进行与该处理层对应的渲染处理，以生成下一数据层中的多个特征图。2.如权利要求1所述的方法，所述根据该数据层的最大像素值和最小像素值，将该数据层的多个特征图中各像素的值转换成纹理数据的步骤包括：根据该数据层的最大像素值和最小像素值，将该数据层的多个特征图中各像素的值归一化到第二数据格式对应的数值范围内；将归一化后的像素的值拆分成整数部分与小数部分，所述整数部分为归一化后的像素的值向下取整后的值，所述小数部分为归一化后的像素的值与所述整数部分的差值；将所述整数部分的数据类型转换成第二数据格式，将所述小数部分归一化到第二数据格式对应的数值范围内，以形成纹理数据。3.如权利要求2所述的方法，所述将该数据层的多个特征图中各像素的值归一化到第二数据格式对应的数值范围内的步骤包括：获取第二数据格式对应的数值范围内的最大数值；对该数据层的每一个特征图，将该特征图中各像素的值与该数据层的最小像素值之差作为第一差值，将该数据层的最大像素值与最小像素值之差作为第二差值；计算所述第一差值与第二差值的商与所述最大数值的乘积，将该乘积作为该像素归一化到第二数据格式对应的数值范围内的值。4.如权利要求2或3所述的方法，所述将所述小数部分归一化到第二数据格式对应的数值范围内的步骤包括：获取第二数据格式对应的数值范围内的最大数值；对所述小数部分与所述最大数值的乘积向下取整，以得到小数部分归一化到第二数据格式对应的数值范围内的值。5.如权利要求1-5中任一项所述的方法，所述将与处理层相连的上一数据层对应的大纹理中的纹理数据转换成第一数据格式的步骤包括：获取与该处理层相连的上一数据层的最大像素值和最小像素值，以及第二数据格式对应的数值范围内的最大数值；获取所述纹理数据的整数部分和小数部分，所述整数部分和小数部分满足第三数据格2CN107424184A权利要求书2/2页式；将所述整数部分与所述最大数值的乘积向下取整以更新所述整数部分，并计算更新后的整数部分与小数部分之和与所述最大数值的商；获取该商与所述最大像素值与最小像素值之差的乘积，将该乘积与所述最小像素值之和作为纹理数据转换成第一数据格式后的值。6.如权利要求1-5中任一项所述的方法，所述第一数据格式为16位浮点数，所述第二数据格式