[发明专利]一种卷积处理方法、装置、计算机设备及存储介质

说明书

本公开提供了一种卷积处理方法、装置、计算机设备及存储介质，其中，该方法包括：获取待处理图像数据，并将所述待处理图像数据分为至少一组子图像数据；针对所述至少一组子图像数据中的每组子图像数据，根据该组子图像数据中各个子图像分别对应的卷积操作数，生成该组子图像数据对应的卷积核；利用该组子图像数据对应的卷积核，对该组子图像数据进行卷积处理，得到该组子图像数据对应的输出结果数据。本公开实施例实现利用AI芯片对深度可分卷积depthwise卷积进行处理。

技术领域

本公开涉及数据处理技术领域，具体而言，涉及一种卷积处理方法、装置、计算机设备及存储介质。

背景技术

卷积操作广泛应用于深度学习、图像处理等领域。其中，普通卷积、以及深度可分depthwise卷积应用较为广泛，普通卷积一般通过人工智能(Artificial Intelligence，AI)芯片进行处理，但是因为普通卷积和depthwise卷积的算法原理不同，但AI芯片通常是基于有限的算子类型设计的，对于某些AI芯片而言，其仅能够对普通卷积进行处理；造成depthwise卷积在AI芯片中处理受限。

发明内容

本公开实施例至少提供一种卷积处理方法、装置、计算机设备以及存储介质。

第一方面，本公开实施例提供了一种卷积处理方法，包括：获取待处理图像数据，并将所述待处理图像数据分为至少一组子图像数据；针对所述至少一组子图像数据中的每组子图像数据，根据该组子图像数据中各个子图像分别对应的卷积操作数，生成该组子图像数据对应的卷积核；利用该组子图像数据对应的卷积核，对该组子图像数据进行卷积处理，得到该组子图像数据对应的输出结果数据。

这样，通过将depthwise卷积转换为普通卷积，能够利用AI芯片采用对普通卷积的处理方式得到depthwise卷积的处理结果。

在一种可能的实施方式中，所述将所述待处理图像数据分为至少一组子图像数据，包括：基于所述待处理图像数据中的子图像的数量、以及预设通道数量阈值，对所述待处理图像数据中的子图像进行分组，得到所述至少一组子图像数据。

这样，基于预设通道数量阈值对待处理图像数据分组，可以让每一组子图像数据中包含的子图像的数量等于预设通道数量阈值，进而保证该组子图像数据下的卷积核的每一位置处的卷积操作数据都有一个对应的子图像。

在一种可能的实施方式中，还包括：读取卷积处理核的配置信息；并基于所述配置信息，确定所述预设通道数量阈值。

这样，基于卷积处理核的配置信息得到的预设通道数量阈值可以知道该卷积处理核中的每一卷积核可以容纳卷积操作数据的位置的数量。

在一种可能的实施方式中，针对所述至少一组子图像数据中的每组子图像数据，在该组子图像数据中的子图像数量小于所述预设通道数量阈值的情况下，所述卷积处理方法还包括：为该组子图像数据填充预设图像数据；所述利用该组子图像数据对应的卷积核，对该组子图像数据进行卷积处理，包括：利用该组子图像数据对应的卷积核，对填充了所述预设图像数据后的该组子图像数据进行卷积处理。

这样，通过在子图像的数量小于预设通道数量阈值的子图像数据中添加预设图像数据，使得该组子图像数据中包含的待处理图像的子图像的数量与预设图像数据中的子图像的数量的和等于预设通道数量阈值。

在一种可能的实施方式中，每组子图像数据对应的卷积核包括：该组子图像数据中的子图像分别对应的卷积核；所述针对所述至少一组子图像数据中的每组子图像数据，根据该组子图像数据中各个子图像分别对应的卷积操作数，生成该组子图像数据对应的卷积核，包括：针对该组子图像数据中的各子图像，根据该子图像在该组子图像数据中的第一相对位置，确定该子图像对应的卷积操作数在对应的卷积核中的第二相对位置；基于所述第二相对位置，生成该子图像对应的卷积核。