[发明专利]一种数据处理方法及装置

权利要求书

1.一种数据处理方法，其特征在于，应用于深度学习网络，所述深度学习网络包括融合层，每一融合层分别与深度学习框架中的卷积层一一对应，每一卷积层对应的融合层为：通过预设参数融合方式和预设规则融合方式、将待融合层融合至该卷积层得到的网络层，所述预设参数融合方式包括：基于卷积层对应的待融合参数修正卷积层的参数得到融合层的参数，所述预设规则融合方式包括：基于卷积层对应的待融合规则修正卷积层对应的数据处理规则得到融合层对应的数据处理规则，所述待融合层包括：所述深度学习框架中用于对各卷积层的卷积运算结果进行运算的非卷积层；所述方法包括：

每一融合层获得与该融合层连接的上一融合层对待处理数据进行数据处理的结果和所述待处理数据；

根据融合层的参数和融合层对应的数据处理规则，对所获得的结果和所述待处理数据进行数据处理；

所述待处理数据为待识别图像；所述每一融合层获得与该融合层连接的上一融合层对待处理数据进行数据处理的结果和所述待处理数据，包括：每一融合层获得与该融合层连接的上一融合层对待识别图像进行目标识别后的第一识别结果和所述待识别图像；所述根据融合层的参数和融合层对应的数据处理规则，对所获得的结果和所述待处理数据进行数据处理，包括：根据融合层的参数和融合层对应的数据处理规则，基于所述第一识别结果对所述待识别图像进行目标识别，得到对所述待识别图像进行目标识别的第二识别结果；

或

所述待处理数据为待识别音频；所述每一融合层获得与该融合层连接的上一融合层对待处理数据进行数据处理的结果和所述待处理数据，包括：每一融合层获得与该融合层连接的上一融合层对待识别音频进行字符识别后的第三识别结果和所述待识别音频；所述根据融合层的参数和融合层对应的数据处理规则，对所获得的结果和所述待处理数据进行数据处理，包括：根据融合层的参数和融合层对应的数据处理规则，基于所述第三识别结果对所述待识别音频进行字符识别，得到对所述待识别音频进行字符识别的第四识别结果。

2.根据权利要求1所述的方法，其特征在于，

所述深度学习框架为卷积神经网络框架Caffe；

所述待融合层为Eltwise层。

3.根据权利要求1或2所述的方法，其特征在于，基于卷积层对应的待融合规则修正卷积层对应的数据处理规则，得到的融合层对应的数据处理规则为：满足以下表达式的规则：

Y＝alpha2*conv(x)+alpha1*z+bias

其中，Y表示融合层对所述待处理数据进行数据处理的结果，z表示与融合层连接的上一融合层对所述待处理数据进行数据处理的结果，alpha2表示卷积层的卷积计算缩放系数，conv()表示卷积层的卷积计算公式，x表示所述待处理数据，alpha1表示所述z的缩放系数，bias表示融合层的偏置值。

4.根据权利要求1或2所述的方法，其特征在于，在所述根据融合层的参数和融合层对应的数据处理规则，对所获得的结果和所述待处理数据进行数据处理之前，所述方法还包括：

将所述待处理数据的数据类型转换为预设数据类型，其中，所述预设数据类型的数据的比特位长度小于所述深度学习框架所支持的数据类型的数据的比特位长度；

相应的，所述根据融合层的参数和融合层对应的数据处理规则，对所获得的结果和所述待处理数据进行数据处理，包括：

根据融合层的参数和融合层对应的数据处理规则，对所获得的结果和转换数据类型后的所述待处理数据进行数据处理；

在所述根据融合层的参数和融合层对应的数据处理规则，对所获得的结果和所述待处理数据进行数据处理后，所述方法还包括：

将所述融合层对所述待处理数据的处理结果的数据类型转换为所述预设数据类型。

5.根据权利要求1或2所述的方法，其特征在于，

所述预设参数融合方式包括：基于卷积层对应的待融合参数和所述深度学习框架中的激活层修正卷积层的参数得到融合层的参数；所述预设规则融合方式包括：基于卷积层对应的待融合规则和所述激活层修正卷积层对应的数据处理规则得到融合层对应的数据处理规则。