[发明专利]基于卷积的图像处理方法、装置、介质及电子设备

权利要求书

1.一种基于卷积的图像处理方法，其特征在于，包括：

获取待处理图像的特征矩阵和原始卷积核信息；

根据所述原始卷积核信息对所述原始卷积核进行分解获得至少两种卷积核；

利用分解后的卷积核对所述特征矩阵进行卷积计算，以完成对所述待处理图像进行压缩处理。

2.根据权利要求1所述的方法，其特征在于，所述待处理图像的特征矩阵大小为h*w*c，所述原始卷积核信息包括：所述原始卷积核的大小为d*d*c，所述原始卷积核的个数为n；

根据所述原始卷积核信息对所述原始卷积核进行分解获得至少两种卷积核，包括：

将n个大小为d*d*c的原始卷积核分解为k个大小为1*d*c的第一卷积核和n个大小为d*1*k的第二卷积核，其中，h、w、d、c、n、k为正数。

3.根据权利要求2所述的方法，其特征在于，利用分解后的卷积核对所述特征矩阵进行卷积计算，包括：

利用k个大小为1*d*c的第一卷积核对大小为h*w*c的待处理图像的特征矩阵进行第一卷积，获得大小为h*w*k的第一压缩特征矩阵；

利用n个大小为d*1*k的第二卷积核对大小为h*w*k的第一压缩特征矩阵进行第二卷积，获得大小为h*w*n的第二压缩特征矩阵。

4.根据权利要求2所述的方法，其特征在于，在利用分解后的卷积核对所述特征矩阵进行卷积计算之前，还包括：

将n个大小为d*1*k的第二卷积核分解为n’个大小为d*1*k的第三卷积核和n个大小为1*1*n’的第四卷积核；

利用分解后的卷积核对所述特征矩阵进行卷积计算，包括：

利用k个大小为1*d*c的第一卷积核对大小为h*w*c的待处理图像的特征矩阵进行第一卷积，获得大小为h*w*k的第一压缩特征矩阵；

利用n’个大小为d*1*k的第三卷积核对大小为h*w*k的第一压缩特征矩阵进行第三卷积，获得大小为h*w*n’的第三压缩特征矩阵；

利用n个大小为1*1*n’的第四卷积核对大小为h*w*n’的第三压缩特征矩阵进行第四卷积，获得大小为h*w*n的第二压缩特征矩阵，其中，n’为正数。

5.根据权利要求2所述的方法，其特征在于，在利用分解后的卷积核对所述特征矩阵进行卷积计算之前，还包括：

将k个大小为1*d*c的第一卷积核分解为p个大小为1*d*c的第五卷积核和k个大小为1*1*p的第六卷积核；

利用分解后的卷积核对所述特征矩阵进行卷积计算，包括：

利用p个大小为1*d*c的第五卷积核对大小为h*w*c待处理图像的特征矩阵进行第五卷积，获得大小为h*w*p的第五压缩特征矩阵；

利用k个大小为1*1*p的第六卷积核对大小为h*w*p的第五压缩特征矩阵进行第六卷积，获得大小为h*w*k的第一压缩特征矩阵，其中，p为正数；

利用n个大小为d*1*k的第二卷积核对大小为h*w*k的第一压缩特征矩阵进行第二卷积，获得大小为h*w*n的第二压缩特征矩阵。

6.根据权利要求2所述的方法，其特征在于，在利用分解后的卷积核对所述特征矩阵进行卷积计算之前，还包括：

将n个大小为d*1*k的第二卷积核分解为n’个大小为d*1*k的第三卷积核和n个大小为1*1*n’的第四卷积核，并将k个大小为1*d*c的第一卷积核分解为p个大小为1*d*c的第五卷积核和k个大小为1*1*p的第六卷积核；

利用分解后的卷积核对所述特征矩阵进行卷积计算，包括：

利用p个大小为1*d*c的第五卷积核对大小为h*w*c待处理图像的特征矩阵进行第五卷积，获得大小为h*w*p的第五压缩特征矩阵；

利用k个大小为1*1*p的第六卷积核对大小为h*w*p的第五压缩特征矩阵进行第六卷积，获得大小为h*w*k的第一压缩特征矩阵；

利用n’个大小为d*1*k的第三卷积核对大小为h*w*k的第一压缩特征矩阵进行第三卷积，获得大小为h*w*n’的第三压缩特征矩阵；

利用n个大小为1*1*n’的第四卷积核对大小为h*w*n’的第三压缩特征矩阵进行第四卷积，获得大小为h*w*n的第二压缩特征矩阵，其中，p、n’为正数。