一种对于特征图的卷积处理方法、装置、设备及介质与流程

技术特征：
1.一种对于特征图的卷积处理方法，所述方法涉及神经网络处理器，所述神经网络处理器包含多个可并行运行的算术逻辑单元；所述多个可并行运行的算术逻辑单元在一次运算过程中可支持的卷积计算向量数量为预设数量，所述方法包括：获取目标对象的特征金字塔；所述特征金字塔包含多个特征图；所述多个特征图中的至少一个特征图包含的第一卷积计算向量数量小于所述预设数量；将所述多个特征图进行组合，得到组合后的特征图；所述组合后的特征图包含的第二卷积计算向量数量大于所述第一卷积计算向量数量；采用所述神经网络处理器对所述组合后的特征图进行卷积运算。2.根据权利要求1所述的方法，所述组合后的特征图具有对应的组合特征图标识；所述组合特征图标识用于表示将所述组合后的特征图作为一个整体进行运算。3.根据权利要求2所述的方法，所述采用所述神经网络处理器对所述组合后的特征图进行卷积运算，具体包括：将所述组合后的特征图包含的第二卷积计算向量数量的卷积计算向量发送至所述神经网络处理器中第一数量的算术逻辑单元；所述第一数量大于第二数量；所述第二数量为所述第一卷积计算向量数量的卷积计算向量需要占用的算术逻辑单元的数量；采用所述第一数量的算术逻辑单元对所述组合后的特征图进行卷积运算。4.根据权利要求2所述的方法，所述采用所述神经网络处理器对所述组合后的特征图进行卷积运算，具体包括：将所述组合后的特征图包含的第二卷积计算向量数量的卷积计算向量中第三数量的卷积计算向量发送至所述神经网络处理器中的算术逻辑单元；利用所述算术逻辑单元进行所述第三数量的卷积计算向量的运算；所述第三数量大于第四数量；所述第四数量为所述第一卷积计算向量数量的卷积计算向量中需要发送至所述算术逻辑单元的卷积计算向量的数量。5.根据权利要求1所述的方法，所述将所述多个特征图进行组合之前，还包括：对所述多个特征图中的各个特征图进行像素填充，得到填充后的特征图；所述将所述多个特征图进行组合，具体包括：将各个填充后的特征图进行组合。6.根据权利要求5所述的方法，所述将各个填充后的特征图进行组合，具体包括：将各个填充后的特征图按照预设分块规则进行分块，得到各个填充后的特征图对应的特征块；将所述特征块按照预设组合规则进行组合，得到所述组合后的特征图。7.根据权利要求6所述的方法，所述将各个填充后的特征图按照预设分块规则进行分块，具体包括：将所述各个填充后的特征图中像素最小的填充后的特征图作为分块基准特征图；按照所述分块基准特征图的边长，以所述多个特征图中像素最小的特征图的边长为步长对各个填充后的特征图进行分块。8.根据权利要求7所述的方法，所述将所述特征块按照预设组合规则进行组合，得到所述组合后的特征图，具体包括：将各个特征块以堆叠的方式进行组合，得到组合后的特征图。
9.根据权利要求6所述的方法，所述采用所述目标神经网络处理器对所述组合后的特征图进行卷积运算，具体包括：基于卷积核，采用所述神经网络处理器对所述组合后的特征图进行分组卷积运算。10.根据权利要求5所述的方法，所述对所述多个特征图中的各个特征图进行像素填充，具体包括：确定目标卷积核的边长；基于所述目标卷积核的边长，确定填充图像的边长；将各个特征图的各个边按照所述填充图像的边长进行填充。11.根据权利要求1所述的方法，所述方法还包括：对各个特征块进行打标；基于各个特征块的块标记，生成位置索引；所述位置索引用于表示各个特征块在各个特征图中的位置。12.根据权利要求11所述的方法，对所述组合后的特征图进行卷积运算得到的卷积结果中包含多个卷积子结果；各个特征块与各个卷积子结果相对应；所述方法还包括：基于所述位置索引，对各个卷积子结果进行重组，得到多个卷积特征图；所述卷积特征图与所述特征金字塔中的特征图相对应。13.一种对于特征图的卷积处理装置，所述装置涉及神经网络处理器，所述神经网络处理器包含多个可并行运行的算术逻辑单元；所述多个可并行运行的算术逻辑单元在一次运算过程中可支持的卷积计算向量数量为预设数量，所述装置包括：特征图获取模块，用于获取目标对象的特征金字塔；所述特征金字塔包含多个特征图；所述多个特征图中的至少一个特征图包含的第一卷积计算向量数量小于所述预设数量；组合模块，用于将所述多个特征图进行组合，得到组合后的特征图；所述组合后的特征图包含的第二卷积计算向量数量大于所述第一卷积计算向量数量；卷积模块，用于采用所述神经网络处理器对所述组合后的特征图进行卷积运算。14.一种对于特征图的卷积处理设备，所述设备涉及神经网络处理器，所述神经网络处理器包含多个可并行运行的算术逻辑单元；所述多个可并行运行的算术逻辑单元在一次运算过程中可支持的卷积计算向量数量为预设数量，所述设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：获取目标对象的特征金字塔；所述特征金字塔包含多个特征图；所述多个特征图中的至少一个特征图包含的第一卷积计算向量数量小于所述预设数量；将所述多个特征图进行组合，得到组合后的特征图；所述组合后的特征图包含的第二卷积计算向量数量大于所述第一卷积计算向量数量；采用所述神经网络处理器对所述组合后的特征图进行卷积运算。15.一种计算机可读介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现权利要求1至12中任一项所述的对于特征图的卷积处理方法。

技术总结
本说明书实施例公开了一种对于特征图的卷积处理方法、装置、设备及介质。方案包括：获取目标对象的特征金字塔；所述特征金字塔包含多个特征图；所述多个特征图中的至少一个特征图包含的第一卷积计算向量数量小于所述预设数量；将所述多个特征图进行组合，得到组合后的特征图；所述组合后的特征图包含的第二卷积计算向量数量大于所述第一卷积计算向量数量；采用所述神经网络处理器对所述组合后的特征图进行卷积运算。图进行卷积运算。图进行卷积运算。


技术研发人员：王昌宝 郑丹丹
受保护的技术使用者：支付宝（杭州）信息技术有限公司
技术研发日：2022.01.14
技术公布日：2022/5/5