[发明专利]用于处理多通道特征图图像的方法和装置

权利要求书

1.一种基于卷积神经网络的图像处理方法，包括：

在第二层中接收通过利用第一层的多个滤波器核将卷积运算应用于卷积神经网络的输入图像而生成的多通道特征图图像，所述卷积神经网络具有多个层；

分析所述多通道特征图图像的动态范围；

基于所述动态范围来重新排序所述多通道特征图图像；并且

在所述第二层中处理重新排序的多通道特征图图像。

2.根据权利要求1所述的基于卷积神经网络的图像处理方法，其中所述分析包括：基于所述第一层的所述多个滤波器核中的每一个滤波器核的最大输出值和最小输出值，来获得每一个所述多通道特征图图像的所述动态范围。

3.根据权利要求1所述的基于卷积神经网络的图像处理方法，其中所述重新排序包括：基于所述动态范围，沿通道方向以降序或升序的顺序来排列所述多通道特征图图像。

4.根据权利要求1所述的基于卷积神经网络的图像处理方法，其中所述处理包括：对重新排序的多通道特征图图像执行通道间帧间预测。

5.根据权利要求1所述的基于卷积神经网络的图像处理方法，其中所述处理包括：对重新排序的多通道特征图图像执行编码和解码操作，

其中根据与所述多个层中的所述第二层之后的层中的卷积运算的流水线处理，在所述第二层中执行所述编码和解码操作。

6.根据权利要求1所述的基于卷积神经网络的图像处理方法，其中所述处理包括：确定在所述多通道特征图图像的通道方向上具有像素深度的编码单元，所述像素深度与所述多通道特征图图像中的所述通道方向上的通道数量相对应。

7.根据权利要求6所述的基于卷积神经网络的图像处理方法，其中所述编码单元对应于所述多个层中的所述第二层之后的层中的滤波器核操作的基本单元。

8.根据权利要求6所述的基于卷积神经网络的图像处理方法，其中所述编码单元的大小为X×Y×Z，其中X、Y和Z为整数。

9.根据权利要求6所述的基于卷积神经网络的图像处理方法，所述处理还包括：

在所述通道方向上将所述编码单元划分为子编码单元；并且

对每一个所述子编码单元执行编码。

10.根据权利要求9所述的基于卷积神经网络的图像处理方法，其中所述对每一个所述子编码单元执行编码包括：

编码关于当前子编码单元的编码模式是否等于前一子编码单元的编码模式的信息；并且

当所述当前子编码单元的编码模式不等于所述前一子编码单元的编码模式时，编码关于所述当前子编码单元的编码模式的信息。

11.一种基于卷积神经网络的图像处理装置，包括：

存储器；和

控制器，所述控制器被配置为：控制所述图像处理装置在第二层中接收通过利用第一层的多个滤波器核将卷积运算应用于卷积神经网络的输入图像而生成的多通道特征图图像，所述卷积神经网络具有多个层；分析所述多通道特征图图像的动态范围；基于所述动态范围来重新排序所述多通道特征图图像；在所述第二层中处理重新排序的多通道特征图图像；并且将处理后的重新排序的多通道特征图图像存储在所述存储器中。

12.根据权利要求11所述的基于卷积神经网络的图像处理装置，其中所述控制器还被配置为控制所述图像处理装置对重新排序的多通道特征图图像执行通道间帧间预测。

13.根据权利要求11所述的基于卷积神经网络的图像处理装置，其中所述控制器还被配置为控制所述图像处理装置对重新排序的多通道特征图图像执行编码和解码操作，

其中所述控制器还被配置为控制所述图像处理装置根据与所述多个层中的所述第二层之后的层中的卷积运算的流水线处理，在所述第二层中执行所述编码和解码操作。