(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210194618.0 (22)申请日 2022.03.01 (71)申请人 北京百度网讯科技有限公司 地址 100085 北京市海淀区上地十街10号 百度大厦2层 (72)发明人 季映羽　张演龙　孙静静　 (74)专利代理 机构 北京市铸成律师事务所 11313 专利代理师 曹远　段丹辉 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/40(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 特征图像的处 理方法、 装置和存 储介质 (57)摘要 本公开提供了一种特征图像的处理方法、 装 置和存储介质， 涉及人工智能技术领域， 具体为 深度学习、 计算机视觉技术领域。 具体实现方案 为： 对参数矩阵中的参数进行分组， 得到多个数 组； 参数矩阵为卷积神经网络中的卷积层转换得 到的矩阵； 根据多个数组内的参数值， 对参数矩 阵进行稀疏化处理， 得到稀疏参数矩阵； 在稀疏 参数矩阵的稀 疏度满足预定条件的情况下， 利用 稀疏参数矩阵与数据矩阵进行计算， 确定卷积层 对应的输 出特征图； 数据矩阵包括输入至卷积层 的输入特 征图转换得到的矩阵。 权利要求书4页 说明书13页 附图10页 CN 114581676 A 2022.06.03 CN 114581676 A 1.一种特 征图像的处 理方法， 包括： 对参数矩阵中的参数进行分组， 得到多个数组； 所述参数矩阵为卷积神经网络中的卷 积层转换 得到的矩阵； 根据所述多个数组内的参数值， 对所述 参数矩阵进行稀疏化处 理， 得到稀疏参数矩阵； 在所述稀疏参数矩阵的稀疏度满足预定条件的情况下， 利用所述稀疏参数矩阵与 数据 矩阵进行计算， 确定所述卷积层对应的输出特征图； 所述数据矩阵包括输入至所述卷积层 的输入特 征图转换 得到的矩阵。 2.根据权利要求1所述的方法， 其中， 所述对参数矩阵中的参数进行分组， 包括： 根据预设行 数对所述 参数矩阵按行进行划分， 得到多个中间矩阵； 在所述中间矩阵的行数等于所述预设行数的情况下， 对所述中间矩阵按列划分为多个 数组； 所述数组内包 含预设行 数个参数。 3.根据权利要求1所述的方法， 其中， 所述对参数矩阵中的参数进行分组， 包括： 根据预设行 数对所述 参数矩阵按行进行划分， 得到多个中间矩阵； 在所述中间矩阵的行数小于所述预设行数的情况下， 将所述中间矩阵按行划分为至少 一个一维矩阵； 将每个所述一维矩阵按列划分为多个数组； 每 个所述数组内均包 含一个参数。 4.根据权利要求1所述的方法， 其中， 所述根据所述多个数组内的参数值， 对所述参数 矩阵进行稀疏化处 理， 得到稀疏参数矩阵， 包括： 分别对每 个数组内的参数值的进行求和计算， 将得到的求和计算的结果作为数组值； 在所述数组值小于预设阈值的情况下， 将所述数组内的参数值均置为零， 得到归零数 组； 将所述归零数组和非零数组组成的矩阵， 作为所述稀疏参数矩阵； 其中， 所述非零数组 为数组值 不为零的数组。 5.根据权利要求4所述的方法， 其中， 所述利用所述稀疏参数矩阵与数据矩阵进行计 算， 确定所述卷积层对应的输出 特征图， 包括： 确定所述稀疏参数矩阵中M个非零数组的位置； M为 不小于1的整数； 基于第j个非零数组 的位置， 读取所述数据矩阵中的第 一相关数据； 所述第 一相关数据 是在所述数据 矩阵中基于预设规则确定的与所述第 j个非零数组进 行计算的数据； j为不小 于1且不大于 M的整数； 利用所述第j个非零数组和所述第一相关数据进行计算， 得到M组计算结果中的第j组 计算结果； 所述第 j组计算结果包括所述第j 个非零数组内各个参数分别与所述第一相关数 据计算得到的至少一个一维矩阵； 利用所述M组计算结果确定所述卷积层对应的输出 特征图。 6.根据权利要求5所述的方法， 其中， 所述利用所述M组计算结果确定所述卷积层对应 的输出特征图， 包括： 在所述M组计算结果中选取与目标位置参数对应的至少一个一维矩阵； 所述目标位置 参数为所述第j个非零数组中位于目标 行号的参数； 利用所述至少一个一维矩阵确定目标数据； 所述目标数据为输出矩阵中位于目标行号 的数据；权　利　要　求　书 1/4 页 2 CN 114581676 A 2对所述输出矩阵进行 预设后处 理， 得到所述卷积层对应的输出 特征图。 7.根据权利要求6所述的方法， 所述方法还 包括： 在所述第j个非零数组和所述第一相关数据进行计算的过程中， 将所述数据矩阵中的 第二相关数据写入高速缓冲存储器； 其中， 所述第二相关数据是基于预设规则确定的与第 j +1个非零数组进行计算的数据。 8.根据权利要求7 所述的方法， 其中， 所述第二相关数据的确定方式， 包括： 确定所述第j+1个非零数组的列号； 基于所述第j +1个非零数组的列号与所述第j个非零数组的列号之间的列号差， 确定所 述第二相关数据与所述第一相关数据的行偏移量； 基于所述第一相关数据的位置以及所述行偏移量， 确定所述第二相关数据的位置 。 9.根据权利要求1所述的方法， 其中， 所述利用所述稀疏参数矩阵与数据矩阵进行计 算， 包括： 对所述数据矩阵进行分块处 理， 得到N个分块矩阵， N 为不小于1的整数； 利用所述稀疏参数矩阵分别与所述 N个分块矩阵进行计算。 10.根据权利要求9所述的方法， 其中， 所述对所述数据矩阵进行分块处 理， 包括： 将所述数据矩阵的行 数作为每 个所述分块矩阵的行 数； 根据高速缓冲存储器的容量以及所述数据矩阵的列数， 确定每个所述分块矩阵的列 数； 所述高速缓冲存 储器用于存 储所述参数矩阵及所述分块矩阵； 基于每个所述分块矩阵的行数和列数， 对所述数据矩阵进行分块处理， 得到所述N个分 块矩阵。 11.根据权利要求1 ‑10任一所述的方法， 还 包括： 在所述稀疏参数矩阵的稀疏度不满足预定条件的情况下， 利用所述参数矩阵与所述数 据矩阵进行计算。 12.一种特 征图像的处 理装置， 包括： 分组模块， 用于对参数矩阵中的参数进行分组， 得到多个数组； 所述参数矩阵为卷积神 经网络中的卷积层转换 得到的矩阵； 稀疏化处理模块， 用于根据所述多个数组内的参数值， 对所述参数矩阵进行稀疏化处 理， 得到稀疏参数矩阵； 第一计算模块， 用于在所述稀疏参数矩阵的稀疏度满足预定条件的情况下， 利用所述 稀疏参数矩阵与数据矩阵进行计算， 确定所述卷积层对应的输出特征图； 所述数据矩阵包 括输入至所述卷积层的输入特 征图转换 得到的矩阵。 13.根据权利要求12所述的装置， 其中， 所述分组模块， 包括： 中间矩阵确定子模块， 用于根据预设行数对所述参数矩阵按行进行划分， 得到多个中 间矩阵； 第一数组确定子模块， 用于在所述中间矩阵的行数等于所述预设行数的情况下， 对所 述中间矩阵按列划分为多个数组； 所述数组内包 含预设行 数个参数。 14.根据权利要求12所述的装置， 其中， 所述分组模块， 包括： 中间矩阵确定子模块， 用于根据预设行数对所述参数矩阵按行进行划分， 得到多个中 间矩阵；权　利　要　求　书 2/4 页 3 CN 114581676 A 3