[发明专利]一种目标识别方法及设备

权利要求书

1.一种目标识别方法，其特征在于，该方法包括：

获取用于目标识别的图像数据；

将所述图像数据输入定点神经网络模型，其中，在预设神经网络模型训练过程中，确定需要进行量化的一组模型参数，将量化基准值与所述一组模型参数中各数据绝对值的最大值的比值，确定为数据量化系数，利用所述数据量化系数对所述一组模型参数进行量化处理，利用量化前的模型参数调整训练结束后的预设神经网络模型的模型参数，得到定点神经网络模型；

通过所述定点神经网络模型对所述图像数据进行处理，输出所述目标识别的识别结果。

2.根据权利要求1所述的方法，其特征在于，所述利用量化前的模型参数调整训练结束后的所述预设神经网络模型的模型参数，包括：

利用所述量化前的模型参数通过反向传播过程，更新所述预设神经网络模型的模型参数的梯度值。

3.根据权利要求1所述的方法，其特征在于，通过所述定点神经网络模型对所述图像数据进行处理过程中，或者在预设神经网络模型训练过程中，还包括：

确定N个需要相乘的处理数据，从所述N个需要相乘的处理数据中确定M个移位数据，其中，所述N为大于1的整数，所述M为大于0小于N的整数；

根据各移位数据的真实值确实所述各移位数据对应的移位方向，根据各移位数据的绝对值确定所述各移位数据对应的移位位数；

根据所述各移位数据对应的移位方向和移位位数，确定所述N个处理数据相乘的结果。

4.根据权利要求1所述的方法，其特征在于，所述需要进行量化的一组模型参数包括如下任一或任多：

所述预设神经网络模型的卷积层的每个网络层的权重；

所述预设神经网络模型的卷积层的每个网络层的偏置。

5.根据权利要求1所述的方法，其特征在于，根据如下方法确定所述量化基准值：

根据设定的数据量化位数，确定所述数据量化位数表示的最大数据值为所述量化基准值。

6.根据权利要求5所述的方法，其特征在于，确定所述数据量化位数表示的最大数据值，包括：

根据设定的数据量化位数确定2的K次幂；

根据所述2的K次幂确定所述最大数据值。

7.根据权利要求6所述的方法，其特征在于，根据所述2的K次幂确定所述最大数据值，包括：

将所述2的K次幂的结果减去1的结果，作为所述最大数据值。

8.根据权利要求7所述的方法，其特征在于，根据设定的数据量化位数确定2的K次幂，包括：

当所述一组模型参数中不包含标识数据正负的符号位时，将所述设定的数据量化位数确定为2的幂数k；

当一组处理数据中包含标识数据正负的m个符号位时，将所述设定的数据量化位数减去1的结果，确定为2的幂数k。

9.根据权利要求1所述的方法，其特征在于，利用所述数据量化系数对所述一组模型参数中的任一数据进行量化处理，包括：

确定所述一组模型参数中的任一数据与所述数据量化系数的乘积；

对所述乘积进行四舍五入的取整操作，获得所述任一数据的量化数据。

10.根据权利要求3所述的方法，其特征在于，该方法用于多个处理数据相乘时，根据各移位数据的真实值确实所述各移位数据对应的移位方向，包括：

任一移位数据的真实值大小大于1时，确定该移位数据的移位方向为左移；

任一移位数据的真实值大小不大于1时，确定该移位数据的移位方向为右移。

11.根据权利要求3所述的方法，其特征在于，根据各移位数据的绝对值确定所述各移位数据对应的移位位数，包括：

确定与任一移位数据的绝对值最接近的2的幂次方的值；

根据所述2的幂次方的值确定幂数k；

将所述幂数k确定为该移位数据的移位位数，所述k为整数。