[发明专利]一种神经网络处理方法、装置、设备及存储介质

权利要求书

1.一种神经网络处理方法，其特征是，包括：

判断输入cudnn库中的矩阵大小是否为预设值的倍数；

如果不是，则将所述矩阵的数据大小进行存储；将所述矩阵的数据作为cudnn的前向卷积函数的输入；

将不满足预设值的倍数的空余位置填0补全；

进行卷积运算，将卷积运算后的结果，根据存储的数据大小进行重排。

2.如权利要求1所述的神经网络处理方法，其特征是，包含：

判断输入cudnn库中的矩阵大小是否为预设值的倍数；

如果是预设值的倍数，将所述矩阵的数据作为cudnn的前向卷积函数的输入；

进行卷积运算。

3.一种运动目标检测方法，其特征是，包含：

用背景运动补偿算法补偿背景的运动，得到经过补偿后的帧，将补偿后的帧与参考帧求光流，即残差运动场；

经过残差运动场和RGB数据一起组合成多维特征向量作为Faster R-CNN的输入；

按神经网络处理方法进行处理。

4.如权利要求3所述的运动目标检测方法，其特征是，获得残差运动场后，将残差运动场和RGB数据进行插值运算。

5.如权利要求3所述的运动目标检测方法，其特征是，获得残差运动场后，将残差运动场和RGB数据进行下采样。

6.如权利要求3所述的运动目标检测方法，其特征是，所述多维特征向量，是五维特征向量，包含[光流，光流+遮掩，光流+RGB，光流+遮掩+RGB，RGB]。

7.一种神经网络处理装置，其特征是，包含：

判断模块，用于判断输入cudnn库中的矩阵大小是否为预设值的倍数，如果不是，则将所述矩阵的数据大小进行存储，将所述矩阵的数据作为cudnn的前向卷积函数的输入，将不满足预设值的倍数的空余位置填0补全，进行卷积运算，将卷积运算后的结果，根据存储的数据大小进行重排；如果是预设值的倍数，将所述矩阵的数据作为cudnn的前向卷积函数的输入，进行卷积运算。

8.如权利要求7所述的神经网络处理装置，其特征是，包含：

残差运动场模块，用于用背景运动补偿算法补偿背景的运动，得到经过补偿后的帧，将补偿后的帧与参考帧求光流；

处理模块，用于将经过残差运动场和RGB数据一起组合成多维特征向量作为Faster R-CNN的输入；交判断模块按神经网络处理方法进行处理。

9.一种电子设备，其特征是，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至6任一项方法的步骤。

10.一种计算机可读存储介质，其特征是，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项方法的步骤。