[发明专利]一种神经网络处理方法、装置、设备及存储介质

说明书

本发明实施例公开了一种神经网络处理方法、装置、设备及存储介质。其中神经网络处理方法，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。本发明实施例在进行神经网络计算时通过扩增矩阵大小，可以图形处理器的输入矩阵条件，使用图形处理器的加速单元进行处理，从而提高了神经网络的处理速度。

技术领域

本发明涉及人工智能领域，特别涉及一种神经网络处理方法；还涉及神经网络处理装置、电子设备以及计算机可读存储介质。

背景技术

计算机视觉是用计算机实现人的视觉功能，使计算机具有能够通过一副或多幅图像认知周围环境(包括识别、理解等)的能力。运动目标检测作为计算机视觉技术的一个分支，具有越来越重要的作用，具体应用包括在交通中提供即时交通信息、推测驾驶意图等。

运动目标检测主要是检测物体的运动位置和运动速度以及方向信息，主要依靠图像处理技术，2005年，Wang提出了基于样本一致性(SACON)的背景建模方法，2009年，Barnich提出了背景建模法，2012年，Hofmann提出了PBAS运动目标检测法。这些算法虽然能准确检测运动目标，但是需要依赖至少两幅图像，2018年，Yaqi Zhang提出了CNN网络进行运动目标检测的方法，应用Faster-RCNN来进行运动目标检测，摆脱了以往检测需要依赖至少两幅图像来进行推测的缺点，但是Faster-RCNN网络进行推测仍然出现处理速度不够快的特点。

在经过神经网络计算中如果处理速度不够快则会出现检测运动目标不及时的现象发生，而使用cudnn不能够完全满足推理性能的需求，虽然cudnn可以通过使用Tensor RT来进行加速计算，但Tensor Core使用较为严格，对输入矩阵有要求，要求需要计算的矩阵batch size必须是特定值的倍数。

发明内容

本发明的目的是提供一种神经网络处理方法，实现加速神经网络处理过程；本发明的另一目的是提供一种神经网络处理装置、设备以及计算机可读存储介质，均具有上述技术效果。

为解决上述技术问题，本发明实施例提供了一种神经网络处理方法，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。

可选的，还包括：

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。

本发明实施例另一方面提供了一种运动目标检测方法，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。

优选的，运动目标检测方法，获得残差运动场后，将残差运动场和RGB数据进行插值运算，插值运算算法精确到1/4像素。

优选的，获得残差运动场后，将残差运动场和RGB数据进行下采样。