[发明专利]图像分类方法、数据处理方法和装置

权利要求书

1.一种图像分类方法，其特征在于，包括：

获取神经网络的M个基准卷积核的卷积核参数，M为正整数；

获取所述神经网络的N组掩码张量，N为正整数，所述N组掩码张量中的每组掩码张量由多个掩码张量组成，所述N组掩码张量中的元素存储时占用的比特数小于M个基准卷积核中卷积核参数中的元素存储时占用的比特数，所述M个基准卷积核中的每个基准卷积核对应所述N组掩码张量中的一组掩码张量；

对所述M个基准卷积核中的每个基准卷积核，以及所述每个基准卷积核在所述N组掩码张量中对应的一组掩码张量进行哈达玛积运算，得到多个子卷积核；

根据所述多个子卷积核分别对待处理图像进行卷积处理，得到多个卷积特征图；

根据所述多个卷积特征图对所述待处理图像进行分类，得到所述待处理图像的分类结果。

2.如权利要求1所述的方法，其特征在于，N小于M，所述M个基准卷积核中的至少两个基准卷积核对应所述N组掩码张量中的一组掩码张量。

3.如权利要求1或2所述的方法，其特征在于，所述N组掩码张量中至少一组掩码张量中的至少部分掩码张量满足两两正交。

4.一种图像分类方法，其特征在于，包括：

获取神经网络的M个基准卷积核的卷积核参数，M为正整数；

获取所述神经网络的N组掩码张量，N为正整数，所述N组掩码张量中的每组掩码张量由多个掩码张量组成，所述N组掩码张量中的元素存储时占用的比特数小于M个基准卷积核中卷积核参数中的元素存储时占用的比特数，所述M个基准卷积核中的每个基准卷积核对应所述N组掩码张量中的一组掩码张量；

根据所述M个基准卷积核对待处理图像进行卷积处理，得到所述待处理图像的M个基准卷积特征图；

对所述M个基准卷积特征图和所述N组掩码张量进行哈达玛积运算，得到所述待处理图像的多个卷积特征图；

根据所述待处理图像的多个卷积特征图对所述待处理图像进行分类，得到所述待处理图像的分类结果。

5.如权利要求4所述的方法，其特征在于，N小于M，所述M个基准卷积核中的至少两个基准卷积核对应所述N组掩码张量中的一组掩码张量。

6.如权利要求4或5所述的方法，其特征在于，所述N组掩码张量中至少一组掩码张量中的至少部分掩码张量满足两两正交。

7.一种数据处理方法，其特征在于，包括：

获取神经网络的M个基准卷积核的卷积核参数，M为正整数；

获取所述神经网络的N组掩码张量，N为正整数，所述N组掩码张量中的每组掩码张量由多个掩码张量组成，所述N组掩码张量中的元素存储时占用的比特数小于M个基准卷积核中卷积核参数中的元素存储时占用的比特数，所述M个基准卷积核中的每个基准卷积核对应所述N组掩码张量中的一组掩码张量；

对所述M个基准卷积核中的每个基准卷积核，以及所述每个基准卷积核在所述N组掩码张量中对应的一组掩码张量进行哈达玛积运算，得到多个子卷积核；

根据所述多个子卷积核分别对多媒体数据进行卷积处理，得到所述多媒体数据的多个卷积特征图；

根据所述多媒体数据的多个卷积特征图对所述多媒体数据进行处理。

8.一种数据处理方法，其特征在于，包括：

获取神经网络的M个基准卷积核的卷积核参数，M为正整数；

获取所述神经网络的N组掩码张量，N为正整数，所述N组掩码张量中的每组掩码张量由多个掩码张量组成，所述N组掩码张量中的元素存储时占用的比特数小于M个基准卷积核中卷积核参数中的元素存储时占用的比特数，所述M个基准卷积核中的每个基准卷积核对应所述N组掩码张量中的一组掩码张量；

根据所述M个基准卷积核对多媒体数据进行卷积处理，得到所述多媒体数据的M个基准卷积特征图；

对所述M个基准卷积特征图和所述N组掩码张量进行哈达玛积运算，得到所述多媒体数据的多个卷积特征图；

据所述多媒体数据的多个卷积特征图对所述多媒体数据进行处理。