[发明专利]卷积神经网络模型的通道调整方法、装置和设备

权利要求书

1.一种卷积神经网络模型的通道调整方法，其特征在于，包括：

当输入图片的当前格式与卷积神经网络模型的输入格式不同时，提取卷积神经网络模型中第一层卷积层的权重；

对所述输入图片进行尺寸调整，得到所述输入图片的目标格式；

根据所述输入图片的目标格式对所述卷积层的权重进行调整，得到所述卷积层的目标权重；

将所述目标权重赋值给所述卷积层。

2.如权利要求1所述的卷积神经网络模型的通道调整方法，其特征在于，所述对所述输入图片进行尺寸调整，包括：

取所述输入图片的其中一个通道作为目标通道；

根据所述目标通道的尺寸对所述输入图片的其余通道的尺寸进行调整。

3.如权利要求2所述的卷积神经网络模型的通道调整方法，其特征在于，所述根据所述目标通道的尺寸对所述输入图片的其余通道的尺寸进行调整，包括：

根据所述目标通道的尺寸，对所述输入图片的其余通道的子通道进行复制，以使所述其余通道的尺寸与所述目标通道的尺寸相同。

4.如权利要求1所述的卷积神经网络模型的通道调整方法，其特征在于，所述根据所述输入图片的目标格式对所述卷积层的权重进行调整，包括：

获取所述输入图片的目标格式与所述卷积神经网络模型的输入格式之间的转换关系，根据所述转换关系对所述卷积层的权重进行调整。

5.如权利要求1所述的卷积神经网络模型的通道调整方法，其特征在于，所述根据所述输入图片的目标格式对所述卷积层的权重进行调整，包括：

对所述卷积层的权重进行一次格式转换，以将所述卷积层的权重从初始格式转换成通用格式；其中，所述通用格式为扩展程序库中的数组形式；

根据所述输入图片的目标格式对所述通用格式下的所述卷积层的权重进行调整；

对所述通用格式下的所述卷积层的权重进行二次格式转换。

6.如权利要求5所述的卷积神经网络模型的通道调整方法，其特征在于，所述扩展程序库为numpy库。

7.一种卷积神经网络模型的通道调整装置，其特征在于，包括：

权重提取模块，用于当输入图片的当前格式与卷积神经网络模型的输入格式不同时，提取卷积神经网络模型中第一层卷积层的权重；

图片尺寸调整模块，用于对所述输入图片进行尺寸调整，得到所述输入图片的目标格式；

权重调整模块，用于根据所述输入图片的目标格式对所述卷积层的权重进行调整，得到所述卷积层的目标权重；

权重赋值模块，用于将所述目标权重赋值给所述卷积层。

8.如权利要求7所述的卷积神经网络模型的通道调整装置，其特征在于，所述图片尺寸调整模块用于：

取所述输入图片的其中一个通道作为目标通道；

根据所述目标通道的尺寸对所述输入图片的其余通道的尺寸进行调整。

9.一种卷积神经网络模型的通道调整设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的卷积神经网络模型的通道调整方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6中任意一项所述的卷积神经网络模型的通道调整方法。