一种图像数据处理方法、装置及终端设备制造方法及图纸

本申请适用于数据处理技术领域，提供了一种图像数据处理方法、装置及终端设备，方法包括：所述卷积计算模块获取卷积层的输入数据，并对所述输入数据进行卷积计算，得到所述卷积层的初始特征图数据；所述数据压缩模块对所述初始特征图数据进行去零压缩处理，得到所述初始特征图数据的目标特征图数据。本申请通过用去零处理后的输入数据去索引需要的目标权重数据，输入数据中已经不存在零数据，所以计算时只需要计算非零数据，对于零数据不用再做计算，最后对卷积计算后的初始特征图数据进行去零处理，然后再进行后续计算，提高了神经网络的数据传输和计算速度。

【技术实现步骤摘要】
一种图像数据处理方法、装置及终端设备
本专利技术属于数据处理
，尤其涉及一种图像数据处理方法、装置及终端设备。
技术介绍
神经网络是一种模仿生物神经网络的结构和功能的计算模块，用于对函数进行估计或近似。随着神经网络的发展，神经网络在计算机视觉、自然语言处理等方面均得到了广泛应用。神经网络在处理大数据时，例如超分辨率图像的处理，由于数据量大，神经网络需要存储、传输和计算大量数据，造成数据传输和数据计算速度慢，甚至会出现计算结果错误的现象，因此，提高神经网络的计算速度是目前需要解决的问题。
技术实现思路
有鉴于此，本专利技术实施例提供了一种图像数据处理方法、装置及终端设备，以解决现有技术中神经网络的计算速度慢的问题。第一方面，本申请实施例提供了一种图像数据处理方法，所述方法用于神经网络模型，所述神经网络模型包括：卷积计算模块和数据压缩模块；所述方法包括：将卷积层的输入数据输入所述卷积计算模块，所述卷积计算模块对所述输入数据进行卷积计算，输出卷积层的初始特征图数据至所述数据压缩模块，其中，所述输入数据包括对初始图像数据经过去零处理后的数据或对上一卷积层的初始特征图数据经过去零处理后的数据；所述数据压缩模块对所述初始特征图数据进行去零处理，输出对应的目标特征图数据。第二方面，本申请实施例提供了一种图像数据处理装置，包括：所述神经网络模型和外部控制器，所述外部控制器与所述神经网络模型相连，所述外部控制器将所述输入数据传输至所述神经网络模型。>第三方面，本申请实施例提供了一种终端设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述第一方面中任一项所述的图像数据处理方法。第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的图像数据处理方法。第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的图像数据处理方法。本申请实施例与现有技术相比存在的有益效果是：本申请通过接收卷积层去零处理后的输入数据并对输入数据进行卷积计算，得到卷积层的初始特征图数据，最后对初始特征图数据进行去零压缩，得到目标特征图数据，本申请可以对去零处理后的输入数据直接进行处理，然后将计算后的初始特征图数据进行压缩后再进行后续计算，相较于现有技术中要将压缩后的数据先进行解压缩后再进行数据计算的方法，本申请直接使用去零处理后的数据进行后续计算，提高了神经网络的计算速度。可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例提供的神经网络模型的结构示意图；图2是本专利技术实施例提供的图像数据处理方法的流程示意图；图3是本专利技术实施例提供的图2中步骤101中计算初始特征图数据的方法的流程示意图；图4是本专利技术实施例提供的图3中步骤1012获得目标权重数据的方法的具体流程示意图一；图5是本专利技术实施例提供的图3中步骤1012获得目标权重数据的方法的具体流程示意图二；图6是本专利技术实施例提供的图1中步骤102数据去零处理的方法的流程示意图；图7是本专利技术实施例提供的图像数据处理装置的结构示意图；图8是本申请一实施例提供的终端设备的结构示意图；图9是本申请一实施例提供的计算机的部分结构的框图。具体实施方式以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。为了加速神经网络的处理过程，其中一种加速方法是将数据压缩，现有关于压缩计算的方案，如Cambricon-x、Cnvlutin、DEEPCOMPRESSION、EIE、XiaoweiLi、Eyeriss等。由于压缩后的数据不会按照顺序排列，压缩后的数据的顺序是混乱的，目前，神经网络在处理压缩后的数据时，需要将压缩后的数据解压缩后才能进行处理，否则神经网络会出现错误，这样的处理过程降低了神经网络对数据的处理速度。基于上述问题，本申请提供了一种图像数据处理方法、装置及终端设备，对于神经网络中的每一个卷积层，根据当前卷积层对应的算法，将初始图像数据进行去零后输入神经网络模型中进行计算，在有多个卷积层的神经网络中对当前卷积层进行计算时，将上一卷积层得到的初始特征图数据进行去零处理后送入神经网络模型中进行计算，减少了数据运算量，提高了数据处理的运行速度。如图1所示，本申请图像数据处理方法用于神经网络模型200，所述神经网络模型200包括：卷积计算模块210和数据压缩模块220，所述卷积计算模块210和数据压缩模块220相连。卷积计算模块210包括：数据存储单元212、控制单元215、计算单元217和权重存储单元216，所述权重存储单元216存储神经网络的初始权重数据，数据存储单元212存储各个卷积层的输入数据，计算单元217存储各个卷积层对应的预设算法，并对输入数据进行卷积计算，得到初始特征图数据；数据压缩模块220将初始特征图数据进行去零处理，得到目标特征图数据；控制单元215控制数据存储单元214、计算单元217、权重存储单元216和数据压缩模块220之间的数据传输以及各个单元/模块的运行。在本实施例中，初始权重数据可以是神经网络中所有卷积层的权重数据，初始权重数据可以预先存储在权重存储单元中，也可以从外部控制器传输至权重存储单元。如图1所示，在一种可能的实现方式中，卷积计算模块210还可以包括：数据接口单元211、数据缓存单元212和控制接口单元213；数据接口单元211获取外部控制器中存储的初始权重数据和输入数据，将初始权重数据和输入数据传输至数据缓存单元212；数据缓存单元212对初始权重数据和输入数据进行缓存后，将初始权重数据传输至本文档来自技高网...

【技术保护点】
1.一种图像数据处理方法，其特征在于，所述方法用于神经网络模型，所述神经网络模型包括：卷积计算模块和数据压缩模块；/n所述方法包括：/n将卷积层的输入数据输入所述卷积计算模块，所述卷积计算模块对所述输入数据进行卷积计算，输出卷积层的初始特征图数据至所述数据压缩模块，其中，所述输入数据包括对初始图像数据经过去零处理后的数据或对上一卷积层的初始特征图数据经过去零处理后的数据；/n所述数据压缩模块对所述初始特征图数据进行去零处理，输出对应的目标特征图数据。/n

【技术特征摘要】
1.一种图像数据处理方法，其特征在于，所述方法用于神经网络模型，所述神经网络模型包括：卷积计算模块和数据压缩模块；
所述方法包括：
将卷积层的输入数据输入所述卷积计算模块，所述卷积计算模块对所述输入数据进行卷积计算，输出卷积层的初始特征图数据至所述数据压缩模块，其中，所述输入数据包括对初始图像数据经过去零处理后的数据或对上一卷积层的初始特征图数据经过去零处理后的数据；
所述数据压缩模块对所述初始特征图数据进行去零处理，输出对应的目标特征图数据。


2.根据权利要求1所述的图像数据处理方法，其特征在于，所述初始特征图数据包括矩阵排列的特征数据，所述特征数据包括零数据及非零数据；
所述数据压缩模块对所述初始特征图数据进行去零处理，输出对应的目标特征图数据，包括：
去除所述初始特征图数据中的零数据，得到所述初始特征图数据中的第一非零数据；
基于所述第一非零数据在所述初始特征图数据中的位置，得到对应的第一数据编码；
将所述第一非零数据与所述第一数据编码进行对应存储，得到所述目标特征图数据。


3.根据权利要求1所述的图像数据处理方法，其特征在于，所述卷积计算模块包括：数据存储单元、控制单元、计算单元和权重存储单元，所述权重存储单元存储所述神经网络的初始权重数据；
所述将卷积层的输入数据输入所述卷积计算模块，所述卷积计算模块对所述输入数据进行卷积计算，输出卷积层的初始特征图数据至所述数据压缩模块，包括：
所述数据存储单元接收并存储所述卷积层的输入数据；
所述控制单元从所述计算单元获取预设算法，并基于所述预设算法在所述初始权重数据中获得与所述输入数据对应的目标权重数据；
所述计算单元基于所述预设算法、所述目标权重数据和所述输入数据，确定所述卷积层的初始特征图数据。


4.根据权利要求3所述的图像数据处理方法，其特征在于，所述输入数据包括：第二非零数据和各个所述第二非零数据对应的第二数据编码；
所述控制单元从所述计算单元获取预设算法，并基于所述预设算法在所述初始权重数据中获得与所述输入数据对应的目标权重数据，包括：
基于...

【专利技术属性】
技术研发人员：施建华，陈镇州，
申请(专利权)人：TCL集团股份有限公司，
类型：发明
国别省市：广东;44