[发明专利]一种基于卷积神经网络的参数填充方法与装置

权利要求书

1.一种基于卷积神经网络的参数填充方法，其特征在于，所述方法包括：

确定第一参数和第二参数，所述第一参数和所述第二参数用于确定第一卷积神经网络的第一权重的形状和第一偏置项的形状，当输入图像输入到所述第一卷积神经网络时，所述第一权重和所述第一偏置项用于对所述输入图像进行卷积生成与所述输入图像对应的第一特征图；

确定改变后第一参数和/或第二参数的取值，基于改变后的第一参数和第二参数，确定第二卷积神经网络的第二权重的形状和第二偏置项的形状，所述第二权重和所述第二偏置项用于对所述输入图像进行卷积生成与所述输入图像对应的第二特征图；分析所述第二特征图的形状与所述第一特征图的形状，确定第二特征图的需重建形状；

根据所述需重建形状，对所述第二权重和所述第二偏置项填充特定形状的特定值，以使当所述输入图像输入所述第二卷积神经网络时，填充后的所述第二权重和所述第二偏置项对所述输入图像进行卷积得到第三特征图，所述第三特征图与所述第一特征图的形状相同，且所述第三特征图经过后续处理得到的最终预测结果与所述第二特征图经过所述后续处理得到的最终预测结果相同。

2.如权利要求1所述的方法，其特征在于，所述第一权重包括F个滤波器，所述第一偏置项包括G个数值；对所述第二权重和所述第二偏置项进行填充，包括：

对所述第二权重填充特定形状的特定值，使得填充后的所述第二权重中的滤波器个数等于所述F，使得所述第三特征图与所述第一特征图形状相同，且所述第三特征图经过后续处理得到的最终预测结果与所述第二特征图经过后续处理得到的最终预测结果相同；

对所述第二偏置项填充特定形状的特定值，使得填充后的所述第二偏置项中的数值个数等于所述G，使得所述第三特征图与所述第一特征图形状相同，且所述第三特征图经过后续处理得到的最终预测结果与所述第二特征图经过后续处理得到的最终预测结果相同。

3.如权利要求2所述的方法，其特征在于，所述第一参数和所述第二参数是用于确定第一卷积神经网络的第一权重的形状和第一偏置项的形状，包括：

通过所述第一参数和所述第二参数以及如下公式，确定所述第一卷积神经网络的第一权重的形状和所述第一偏置项的形状：

weight[anchors*(5+classes)，K，1，1]；

bias[anchors*(5+classes)]；

其中，所述anchors是所述第一参数，所述classes是所述第二参数，所述weight是所述第一权重，所述bias是所述第一偏置项，所述weight[anchors*(5+classes)，K，1，1]表示所述第一权重包括anchors*(5+classes)个形状为[K，1，1]的滤波器，所述滤波器的高度和宽度均为1；所述K是所述滤波器的深度；所述bias[anchors*(5+classes)]用于表示所述第一偏置项包括anchors*(5+classes)个数值。