[发明专利]图像数据处理方法、装置、计算机设备和存储介质

权利要求书

1.一种图像数据处理方法，包括：

获取特征图谱的预测感兴趣区域，获取所述预测感兴趣区域的倾斜信息；

获取目标池化矩阵的维度信息；

根据所述预测感兴趣区域的倾斜信息确定池化窗对应的倾斜信息；

根据所述维度信息和所述池化窗对应的倾斜信息对所述预测感兴趣区域进行区域划分得到对应的多个待池化区域；

按照预设池化算法对各个所述待池化区域进行池化，得到与各个所述待池化区域对应的池化结果；

根据所述维度信息获取各个所述待池化区域对应的池化结果，组成所述目标池化矩阵。

2.根据权利要求1所述的方法，其特征在于，所述特征图谱的生成步骤，包括：

获取待处理图像，将所述待处理图像输入神经网络模型中；

通过所述神经网络模型中的卷积层对所述待处理图像进行特征提取和感兴趣区域预测，得到所述特征图谱，所述特征图谱包括所述预测感兴趣区域；

所述方法还包括：

将所述特征图谱输入池化层，进入所述获取特征图谱的预测感兴趣区域的步骤，所述池化层与所述神经网络模型中的卷积层连接。

3.根据权利要求1所述的方法，其特征在于，所述倾斜信息包括倾斜角度，所述获取所述预测感兴趣区域的倾斜信息，包括：

获取所述预测感兴趣区域对应的顶点坐标，所述预测感兴趣区域为矩形区域，根据所述顶点坐标按照三角函数关系计算得到所述预测倾斜角度；或

获取所述预测感兴趣区域对应的几何中心点坐标和所述预测感兴趣区域对应的顶点坐标，根据所述几何中心点坐标和所述顶点坐标计算得到所述预测倾斜角度。

4.根据权利要求1所述的方法，其特征在于，所述维度信息包括第一维度信息和第二维度信息，所述根据所述维度信息和所述池化窗对应的倾斜信息对所述预测感兴趣区域进行区域划分得到对应的多个待池化区域，包括：

根据所述第一维度信息和所述预测感兴趣区域的第一边长计算得到所述池化窗的第一边长；

根据所述第二维度信息和所述预测感兴趣区域的第二边长计算得到所述池化窗的第二边长；

根据所述池化窗的第一边长、所述池化窗的第二边长和所述池化窗对应的倾斜信息得到滑动池化窗口；

将所述滑动池化窗口在所述预测感兴趣区域进行滑动得到对应的与所述滑动池化窗口的面积相同的所述多个待池化区域。

5.根据权利要求1所述的方法，其特征在于，所述按照预设池化算法对各个所述待池化区域进行池化，得到与各个所述待池化区域对应的池化结果，包括：

获取当前待池化区域，从所述特征图谱中获取所述当前待池化区域占用的像素点得到当前待池化像素点集合；

根据所述当前待池化像素点集合中各个当前待池化像素点在所述当前待池化区域内的面积获取各个当前待池化像素点对应的特征值，得到所述当前待池化区域对应的待池化特征值集合；

按照预设池化算法对所述待池化特征值集合进行池化得到所述当前待池化区域对应的当前池化结果。

6.根据权利要求1所述的方法，其特征在于，所述根据所述维度信息获取各个所述待池化区域对应的池化结果，组成所述目标池化矩阵之后，还包括：

在所述特征图谱上获取各个所述池化结果对应的像素点集合；

在所述神经网络模型的反向传播过程中，获取所述目标池化矩阵中各个池化结果对应的初始回传梯度；

根据所述预设池化算法确定各个所述像素点集合对应的目标像素点，根据所述初始回传梯度为各个所述像素点集合对应的目标像素点分配目标回传梯度。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述预测感兴趣区域的数目和所述维度信息计算得到目标线程数目；

开辟与所述目标线程数目对应的并行线程；

所述按照预设池化算法对各个所述待池化区域进行池化，得到与各个所述待池化区域对应的池化结果，包括：

将所述多个待池化区域分配到所述并行线程中，通过所述并行线程按照预设池化算法对各个所述待池化区域进行并行池化，得到与各个所述待池化区域对应的池化结果。