图像处理方法、图像处理装置和计算机可读存储介质.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CN108875904A(43)申请公布日2018.11.23(21)申请号201810301546.9(22)申请日2018.04.04(71)申请人北京迈格威科技有限公司地址100190北京市海淀区科学院南路2号A座316-318(72)发明人不公告发明人(74)专利代理机构北京市柳沈律师事务所11105代理人张晓明(51)Int.Cl.G06N3/04(2006.01)G06N3/08(2006.01)权利要求书4页说明书11页附图9页(54)发明名称图像处理方法、图像处理装置和计算机可读存储介质(57)摘要本公开提供使用卷积神经网络系统处理输入图像的图像处理方法和装置、以及计算机可读存储介质。所述卷积神经网络系统包含输入层、中间层和输出层，所述图像处理方法包括：经由所述输入层接收所述输入图像；经由所述中间层提取所述输入图像的图像特征；以及经由所述输出层输出对于所述输入图像的处理结果。所述卷积神经网络系统将普通的卷积运算拆分成分组逐点卷积和逐通道卷积，并且在分组逐点卷积的同时，引入了组间信息交换的机制，从而实现了适于移动端计算能力的卷积神经网络模型，并且保持了卷积神经网络模型的高表示能力和识别精度。CN108875904ACN108875904A权利要求书1/4页1.一种使用卷积神经网络系统处理输入图像的图像处理方法，所述卷积神经网络系统包含输入层、中间层和输出层，所述图像处理方法包括：经由所述输入层接收所述输入图像；经由所述中间层提取所述输入图像的图像特征；以及经由所述输出层输出对于所述输入图像的处理结果，其中，所述中间层包括至少一个网络块，所述至少一个网络块中的每个网络块包括级联的第一卷积层、第一分组重排层和第二卷积层，所述第一卷积层包括M个滤波器，所述M个滤波器分为N个第一滤波器组，所述第二卷积层包括P个滤波器，所述P个滤波器分为Q个第二滤波器组，所述第一卷积层接收N个第一特征图组，所述N个第一特征图组包括L个第一特征图，所述N个第一滤波器组与所述N个第一特征图组一一对应，所述N个第一滤波器组中每个滤波器组对对应的一个所述第一特征图组执行卷积，所述第一卷积层生成M个第二特征图，所述第一分组重排层将所述M个第二特征图分为Q个第二特征图组，所述Q个第二特征图组中的每个第二特征图组包括由所述N个第一滤波器组的每个第一滤波器组输出的至少一个所述第二特征图，并且所述第二卷积层接收所述Q个第二特征图组，所述Q个第二滤波器组与所述Q个第二特征图组一一对应，所述Q个第二滤波器组中每个滤波器组对对应的一个所述第二特征图组执行卷积，所述第二卷积层生成P个第三特征图。2.如权利要求1所述的图像处理方法，其中，所述每个网络块包括第一通路和第二通路，所述第一通路包括级联的所述第一卷积层、所述第一分组重排层、所述第二卷积层和第三卷积层，所述第二通路为用于连接所述第一通路的第一个卷积层的输入特征和所述第一通路的最后一个卷积层的输出特征的通路，所述第三卷积层包括R个滤波器，所述R个滤波器分为S个第三滤波器组，所述第三卷积层接收S个第三特征图组，所述S个第三特征图组包括所述P个第三特征图，所述S个第三滤波器组与所述S个第三特征图组一一对应，所述S个第三滤波器组中的每个滤波器组对对应的一个所述第三特征图组执行卷积，所述第三卷积层生成R个第四特征图作为所述第一通路的输出特征。3.如权利要求2所述的图像处理方法，其中，所述输入特征为所述N个第一特征图组，所述第一卷积层中每个滤波器的卷积核大小为1×1，所述第二卷积层中每个滤波器的卷积核大小为3×3，所述第二卷积层中每个滤波器对所述Q个第二特征图组中对应的一个所述第二特征图组中的一个通道的第二特征图执行步长为1的卷积，生成P个第三特征图，所述S个第三滤波器组中每个滤波器的卷积核大小为1×1，其中，所述输入特征和所述第一通路的输出特征相加为所述每个网络块的输出特征。4.如权利要求2所述的图像处理方法，其中，所述输入特征为所述N个第一特征图组，所述第一卷积层中每个滤波器的卷积核大小为1×1，所述第二卷积层中每个滤波器的卷积核大小为3×3，所述第二卷积层中每个滤波器对所述Q个第二特征图组中对应的一个所述第二特征图组中的一个通道的第二特征图执行步长为t的卷积，生成P个第三特征图，t是大于1的整数，2CN108875904A权利要求书2/4页所述S个第三滤波器组中每个滤波器的卷积核大小为1×1，所述第二通路包括平均池化层，所述平均池化层的大小为u×u，所述平均池化层对于所述输入特征执行步长为t的平均池化，生成池化的输入特征，u是大于1的整数，其中，所述池化的输入特征和所述第一通路的输出特征在通道维度连接为所述每个网络块的输出特征。5.如权利要求