本發(fā)明涉及圖像處理
技術(shù)領(lǐng)域：
，特別涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法、裝置及移動終端。
背景技術(shù)：
：隨著卷積神經(jīng)網(wǎng)絡(luò)(cnn：convolutionalneuralnetwork)的快速發(fā)展，越來越多的圖像處理手段，如分類、分割、風(fēng)格轉(zhuǎn)換、畫質(zhì)改善等，均采用cnn進(jìn)行訓(xùn)練學(xué)習(xí)，以取得比傳統(tǒng)處理方法更好的效果。然而，cnn在移動終端上的應(yīng)用仍存在瓶頸，尤其是當(dāng)cnn達(dá)到數(shù)百層時，需大量的浮點數(shù)乘法運算及大量的cpu內(nèi)存申請，導(dǎo)致移動終端的計算效率和內(nèi)存跟不上cnn的發(fā)展速度?，F(xiàn)有的在移動終端基于卷積神經(jīng)網(wǎng)絡(luò)處理圖像的方法，是利用gpu和如opengles的圖形程序接口來實現(xiàn)浮點運算的。一方面，移動終端內(nèi)置的gpu具有強大的浮點運算能力，能夠?qū)⒁苿咏K端的浮點運算效率提高10倍以上，甚至更多倍數(shù)，另一方面，移動端gpu芯片基本支持opengles，而opengles的3.x系列可支持16位或32位浮點紋理，可為gpu計算提供極大的便利性，從而可用于cnn的gpu高效計算。然而，在通過紋理存儲數(shù)據(jù)時，勢必會導(dǎo)致大量紋理的創(chuàng)建，而opengles在紋理渲染過程中是需要不斷綁定和解綁不同紋理的，導(dǎo)致了計算效率下降。而且cnn中存在數(shù)量較多的卷積層，在利用opengles執(zhí)行腳本渲染以實現(xiàn)卷積處理時，對于特征圖邊界的判斷需要使用如“if…else…”的條件判斷語句，而此類語句容易給渲染過程帶來效率低下的問題。因此，需要一種新的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方案來優(yōu)化上述過程。技術(shù)實現(xiàn)要素：為此，本發(fā)明提供一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理的技術(shù)方案，以力圖解決或者至少緩解上面存在的問題。根據(jù)本發(fā)明的一個方面，提供一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法，適于在具有圖形程序接口的移動終端中執(zhí)行，卷積神經(jīng)網(wǎng)絡(luò)包括多個處理層和多個數(shù)據(jù)層，其中每個處理層用于處理與之相連的上一數(shù)據(jù)層中的多個特征圖，以生成下一數(shù)據(jù)層中的多個特征圖，移動終端中存儲有各數(shù)據(jù)層對應(yīng)于圖形程序接口的存儲參數(shù)，存儲參數(shù)包括特征圖尺寸、紋理橫向數(shù)量和紋理縱向數(shù)量，該方法包括如下步驟：首先，將待處理圖片作為第一個數(shù)據(jù)層輸入到卷積神經(jīng)網(wǎng)絡(luò)；對每一個數(shù)據(jù)層，根據(jù)存儲參數(shù)，將該數(shù)據(jù)層的多個特征圖組合形成對應(yīng)的大紋理進(jìn)行存儲；對每一個處理層，獲取與之相連的上一數(shù)據(jù)層對應(yīng)的大紋理，調(diào)用圖形程序接口對其進(jìn)行與該處理層對應(yīng)的渲染處理，以生成下一數(shù)據(jù)層中的多個特征圖。可選地，在根據(jù)本發(fā)明的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法中，特征圖尺寸包括特征圖的高和寬，根據(jù)存儲參數(shù)，將該數(shù)據(jù)層的多個特征圖組合形成對應(yīng)的大紋理進(jìn)行存儲的步驟包括：獲取該數(shù)據(jù)層中多個特征圖對應(yīng)的小紋理；將小紋理按照紋理橫向數(shù)量乘以紋理縱向數(shù)量的樣式進(jìn)行組合，以形成對應(yīng)的大紋理進(jìn)行存儲，大紋理的高為特征圖的高與紋理縱向數(shù)量的乘積，大紋理的寬為特征圖的寬與紋理橫向數(shù)量的乘積?？蛇x地，在根據(jù)本發(fā)明的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法中，獲取與之相連的上一數(shù)據(jù)層對應(yīng)的大紋理，調(diào)用圖形程序接口對其進(jìn)行與該處理層對應(yīng)的渲染處理，以生成下一數(shù)據(jù)層中的多個特征圖的步驟包括：獲取與該處理層相連的上一數(shù)據(jù)層對應(yīng)的大紋理，大紋理由上一數(shù)據(jù)層中的多個特征圖所形成的小紋理組成；對每一個小紋理，獲取該小紋理的各頂點的紋理坐標(biāo)與像素坐標(biāo)；根據(jù)各頂點的紋理坐標(biāo)與像素坐標(biāo)，調(diào)用圖形程序接口對該小紋理進(jìn)行與該處理層對應(yīng)的渲染處理，以生成下一數(shù)據(jù)層中的多個特征圖?？蛇x地，在根據(jù)本發(fā)明的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法中，處理層包括卷積層，與該卷積層相連的上一數(shù)據(jù)層對應(yīng)的大紋理包括由該數(shù)據(jù)層中的多個特征圖形成的小紋理，獲取與之相連的上一數(shù)據(jù)層對應(yīng)的大紋理，調(diào)用圖形程序接口對其進(jìn)行與該處理層對應(yīng)的渲染處理的步驟，包括調(diào)用圖形程序接口對其進(jìn)行與該卷積層對應(yīng)的渲染處理，調(diào)用圖形程序接口對其進(jìn)行與該卷積層對應(yīng)的渲染處理的步驟包括：獲取卷積層的處理參數(shù)，以及與卷積層相連的下一數(shù)據(jù)層的存儲參數(shù)中的特征圖尺寸，處理參數(shù)包括卷積核與步長；對每一個小紋理，根據(jù)處理參數(shù)，對該小紋理中符合特征圖尺寸的中心區(qū)域進(jìn)行一次渲染處理；在完成一次渲染處理后，對中心區(qū)域以外的小紋理的邊界區(qū)域進(jìn)行二次渲染處理?？蛇x地，在根據(jù)本發(fā)明的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法中，還包括預(yù)先獲取卷積神經(jīng)網(wǎng)絡(luò)中各數(shù)據(jù)層的對應(yīng)于圖形程序接口的存儲參數(shù)?？蛇x地，在根據(jù)本發(fā)明的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法中，預(yù)先獲取卷積神經(jīng)網(wǎng)絡(luò)中各數(shù)據(jù)層的對應(yīng)于圖形程序接口的存儲參數(shù)的步驟包括：根據(jù)預(yù)先獲取的訓(xùn)練圖片集對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以獲取各數(shù)據(jù)層的特征圖的特征圖尺寸和特征圖數(shù)量；對每一個數(shù)據(jù)層，將該數(shù)據(jù)層的特征圖數(shù)量與4的商作為特征圖對應(yīng)的小紋理的數(shù)量，小紋理的尺寸與特征圖尺寸一致；將小紋理的數(shù)量拆分成2個盡可能接近的數(shù)值的乘積，將這2個數(shù)值分別作為紋理橫向數(shù)量和紋理縱向數(shù)量。根據(jù)本發(fā)明的又一個方面，提供一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置，該裝置適于駐留在具有圖形程序接口的移動終端中，卷積神經(jīng)網(wǎng)絡(luò)包括多個處理層和多個數(shù)據(jù)層，其中每個處理層用于處理與之相連的上一數(shù)據(jù)層中的多個特征圖，以生成下一數(shù)據(jù)層中的多個特征圖，移動終端中存儲有各數(shù)據(jù)層對應(yīng)于圖形程序接口的存儲參數(shù)，存儲參數(shù)包括特征圖尺寸、紋理橫向數(shù)量和紋理縱向數(shù)量，該裝置包括輸入模塊、轉(zhuǎn)換模塊和處理模塊。其中，輸入模塊適于將待處理圖片作為第一個數(shù)據(jù)層輸入到卷積神經(jīng)網(wǎng)絡(luò)；轉(zhuǎn)換模塊適于對每一個數(shù)據(jù)層，根據(jù)存儲參數(shù)，將該數(shù)據(jù)層的多個特征圖組合形成對應(yīng)的大紋理進(jìn)行存儲；處理模塊適于對每一個處理層，獲取與之相連的上一數(shù)據(jù)層對應(yīng)的大紋理，調(diào)用圖形程序接口對其進(jìn)行與該處理層對應(yīng)的渲染處理，以生成下一數(shù)據(jù)層中的多個特征圖?？蛇x地，在根據(jù)本發(fā)明的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置中，特征圖尺寸包括特征圖的高和寬，轉(zhuǎn)換模塊進(jìn)一步適于：獲取該數(shù)據(jù)層中多個特征圖對應(yīng)的小紋理；將小紋理按照紋理橫向數(shù)量乘以紋理縱向數(shù)量的樣式進(jìn)行組合，以形成對應(yīng)的大紋理進(jìn)行存儲，大紋理的高為特征圖的高與紋理縱向數(shù)量的乘積，大紋理的寬為特征圖的寬與紋理橫向數(shù)量的乘積?？蛇x地，在根據(jù)本發(fā)明的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置中，處理模塊進(jìn)一步適于：獲取與該處理層相連的上一數(shù)據(jù)層對應(yīng)的大紋理，大紋理由上一數(shù)據(jù)層中的多個特征圖所形成的小紋理組成；對每一個小紋理，獲取該小紋理的各頂點的紋理坐標(biāo)與像素坐標(biāo)；根據(jù)各頂點的紋理坐標(biāo)與像素坐標(biāo)，調(diào)用圖形程序接口對該小紋理進(jìn)行與該處理層對應(yīng)的渲染處理，以生成下一數(shù)據(jù)層中的多個特征圖?？蛇x地，在根據(jù)本發(fā)明的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置中，處理層包括卷積層，與該卷積層相連的上一數(shù)據(jù)層對應(yīng)的大紋理包括由該數(shù)據(jù)層中的多個特征圖形成的小紋理，處理模塊還適于：獲取卷積層的處理參數(shù)，以及與卷積層相連的下一數(shù)據(jù)層的存儲參數(shù)中的特征圖尺寸，處理參數(shù)包括卷積核與步長；對每一個小紋理，根據(jù)處理參數(shù)，對該小紋理中符合特征圖尺寸的中心區(qū)域進(jìn)行一次渲染處理；在完成一次渲染處理后，對中心區(qū)域以外的小紋理的邊界區(qū)域進(jìn)行二次渲染處理?？蛇x地，在根據(jù)本發(fā)明的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置中，還包括獲取模塊，適于預(yù)先獲取卷積神經(jīng)網(wǎng)絡(luò)中各數(shù)據(jù)層的對應(yīng)于圖形程序接口的存儲參數(shù)。可選地，在根據(jù)本發(fā)明的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置中，獲取模塊進(jìn)一步適于：根據(jù)預(yù)先獲取的訓(xùn)練圖片集對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以獲取各數(shù)據(jù)層的特征圖的特征圖尺寸和特征圖數(shù)量；對每一個數(shù)據(jù)層，將該數(shù)據(jù)層的特征圖數(shù)量與4的商作為特征圖對應(yīng)的小紋理的數(shù)量，小紋理的尺寸與特征圖尺寸一致；將小紋理的數(shù)量拆分成2個盡可能接近的數(shù)值的乘積，將這2個數(shù)值分別作為紋理橫向數(shù)量和紋理縱向數(shù)量。根據(jù)本發(fā)明的又一個方面，提供一種移動終端，包括根據(jù)本發(fā)明的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置。根據(jù)本發(fā)明的又一個方面，還提供一種移動終端，包括一個或多個處理器、存儲器以及一個或多個程序，其中一個或多個程序存儲在存儲器中并被配置為由一個或多個處理器執(zhí)行，一個或多個程序包括用于執(zhí)行根據(jù)本發(fā)明的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法的指令。根據(jù)本發(fā)明的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方案，首先將待處理圖片作為第一個數(shù)據(jù)層輸入到卷積神經(jīng)網(wǎng)絡(luò)中開始進(jìn)行圖像處理，在處理過程中，對于卷積神經(jīng)網(wǎng)絡(luò)中的每一個數(shù)據(jù)層，會根據(jù)該數(shù)據(jù)層對應(yīng)與圖形程序接口的存儲參數(shù)，將這一數(shù)據(jù)層的多個特征圖組合形成對應(yīng)的大紋理進(jìn)行存儲，則與該數(shù)據(jù)層相連的下一處理層即獲取上述大紋理，調(diào)用圖形程序接口對其進(jìn)行與該處理層對應(yīng)的渲染處理，以生成與之相連的下一數(shù)據(jù)層中的多個特征圖，而下一數(shù)據(jù)層則會繼續(xù)執(zhí)行將多個特征圖組合形成大紋理進(jìn)行存儲的步驟。換言之，對于每一個處理層，相當(dāng)于輸入該處理層的數(shù)據(jù)是一個大紋理，而從該處理層輸出的數(shù)據(jù)也是一個大紋理，處理層的計算過程則轉(zhuǎn)換為基于圖形程序接口的腳本渲染過程。在上述技術(shù)方案中，對于各數(shù)據(jù)層，通過將該數(shù)據(jù)層的多個特征圖進(jìn)行組合形成對應(yīng)的大紋理，以提供給與之相連的下一處理層進(jìn)行處理，而對于各處理層，則對與該處理層相連的上一數(shù)據(jù)層對應(yīng)的大紋理中的各小紋理執(zhí)行分塊渲染，不僅無需大量創(chuàng)建紋理，避免在紋理渲染過程中不斷綁定和解綁紋理的重復(fù)操作，而且處理層的計算環(huán)節(jié)完全在gpu中完成，無需cpu與gpu的數(shù)據(jù)來回切換，提高了計算效率。進(jìn)一步地，當(dāng)處理層具體為卷積層時，對當(dāng)前輸入的大紋理中的各小紋理，基于邊界區(qū)域進(jìn)行分次渲染，以降低因防止越界而進(jìn)行條件判斷的次數(shù)，充分利用腳本渲染的計算效率，實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)的加速。附圖說明為了實現(xiàn)上述以及相關(guān)目的，本文結(jié)合下面的描述和附圖來描述某些說明性方面，這些方面指示了可以實踐本文所公開的原理的各種方式，并且所有方面及其等效方面旨在落入所要求保護(hù)的主題的范圍內(nèi)。通過結(jié)合附圖閱讀下面的詳細(xì)描述，本公開的上述以及其它目的、特征和優(yōu)勢將變得更加明顯。遍及本公開，相同的附圖標(biāo)記通常指代相同的部件或元素。圖1示出了根據(jù)本發(fā)明一個實施例的移動終端100的結(jié)構(gòu)框圖；圖2示出了根據(jù)本發(fā)明一個實施例的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法200的流程圖；圖3示出了根據(jù)本發(fā)明一個實施例的卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖；圖4示出了根據(jù)本發(fā)明一個實施例的卷積神經(jīng)網(wǎng)絡(luò)中數(shù)據(jù)層a2對應(yīng)的大紋理示意圖；圖5示出了根據(jù)本發(fā)明一個實施例的卷積神經(jīng)網(wǎng)絡(luò)中數(shù)據(jù)層a3對應(yīng)的大紋理示意圖；圖6示出了本發(fā)明一個實施例的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置600的示意圖；以及圖7示出了本發(fā)明又一個實施例的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置700的示意圖。具體實施方式下面將參照附圖更詳細(xì)地描述本公開的示例性實施例。雖然附圖中顯示了本公開的示例性實施例，然而應(yīng)當(dāng)理解，可以以各種形式實現(xiàn)本公開而不應(yīng)被這里闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達(dá)給本領(lǐng)域的技術(shù)人員。圖1是移動終端100的結(jié)構(gòu)框圖。移動終端100可以包括存儲器接口102、一個或多個數(shù)據(jù)處理器、圖像處理器和/或中央處理單元104，以及外圍接口106。存儲器接口102、一個或多個處理器104和/或外圍接口106既可以是分立元件，也可以集成在一個或多個集成電路中。在移動終端100中，各種元件可以通過一條或多條通信總線或信號線來耦合。傳感器、設(shè)備和子系統(tǒng)可以耦合到外圍接口106，以便幫助實現(xiàn)多種功能。例如，運動傳感器110、光線傳感器112和距離傳感器114可以耦合到外圍接口106，以方便定向、照明和測距等功能。其他傳感器116同樣可以與外圍接口106相連，例如定位系統(tǒng)(例如gps接收機)、溫度傳感器、生物測定傳感器或其他感測設(shè)備，由此可以幫助實施相關(guān)的功能。相機子系統(tǒng)120和光學(xué)傳感器122可以用于方便諸如記錄照片和視頻剪輯的相機功能的實現(xiàn)，其中所述相機子系統(tǒng)和光學(xué)傳感器例如可以是電荷耦合器件(ccd)或互補金屬氧化物半導(dǎo)體(cmos)光學(xué)傳感器?？梢酝ㄟ^一個或多個無線通信子系統(tǒng)124來幫助實現(xiàn)通信功能，其中無線通信子系統(tǒng)可以包括射頻接收機和發(fā)射機和/或光(例如紅外)接收機和發(fā)射機。無線通信子系統(tǒng)124的特定設(shè)計和實施方式可以取決于移動終端100所支持的一個或多個通信網(wǎng)絡(luò)。例如，移動終端100可以包括被設(shè)計成支持lte、3g、gsm網(wǎng)絡(luò)、gprs網(wǎng)絡(luò)、edge網(wǎng)絡(luò)、wi-fi或wimax網(wǎng)絡(luò)以及blueboothtm網(wǎng)絡(luò)的通信子系統(tǒng)124。音頻子系統(tǒng)126可以與揚聲器128以及麥克風(fēng)130相耦合，以便幫助實施啟用語音的功能，例如語音識別、語音復(fù)制、數(shù)字記錄和電話功能。i/o子系統(tǒng)140可以包括觸摸屏控制器142和/或一個或多個其他輸入控制器144。觸摸屏控制器142可以耦合到觸摸屏146。舉例來說，該觸摸屏146和觸摸屏控制器142可以使用多種觸摸感測技術(shù)中的任何一種來檢測與之進(jìn)行的接觸和移動或是暫停，其中感測技術(shù)包括但不局限于電容性、電阻性、紅外和表面聲波技術(shù)。一個或多個其他輸入控制器144可以耦合到其他輸入/控制設(shè)備148，例如一個或多個按鈕、搖桿開關(guān)、拇指旋輪、紅外端口、usb端口、和/或指示筆之類的指點設(shè)備。所述一個或多個按鈕(未顯示)可以包括用于控制揚聲器128和/或麥克風(fēng)130音量的向上/向下按鈕。存儲器接口102可以與存儲器150相耦合。該存儲器150可以包括高速隨機存取存儲器和/或非易失性存儲器，例如一個或多個磁盤存儲設(shè)備，一個或多個光學(xué)存儲設(shè)備，和/或閃存存儲器(例如nand，nor)。存儲器150可以存儲操作系統(tǒng)172，例如android、ios或是windowsphone之類的操作系統(tǒng)。該操作系統(tǒng)172可以包括用于處理基本系統(tǒng)服務(wù)以及執(zhí)行依賴于硬件的任務(wù)的指令。存儲器150還可以存儲應(yīng)用174。在移動設(shè)備運行時，會從存儲器150中加載操作系統(tǒng)172，并且由處理器104執(zhí)行。應(yīng)用174在運行時，也會從存儲器150中加載，并由處理器104執(zhí)行。應(yīng)用174運行在操作系統(tǒng)之上，利用操作系統(tǒng)以及底層硬件提供的接口實現(xiàn)各種用戶期望的功能，如即時通信、網(wǎng)頁瀏覽、圖片管理等。應(yīng)用174可以是獨立于操作系統(tǒng)提供的，也可以是操作系統(tǒng)自帶的。另外，應(yīng)用174被安裝到移動終端100中時，也可以向操作系統(tǒng)添加驅(qū)動模塊。在上述各種應(yīng)用174中，其中的一種應(yīng)用為根據(jù)本發(fā)明的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置600。其中，卷積神經(jīng)網(wǎng)絡(luò)包括多個處理層和多個數(shù)據(jù)層，每個處理層用于處理與之相連的上一數(shù)據(jù)層中的多個特征圖，以生成下一數(shù)據(jù)層的多個特征圖。進(jìn)一步地，移動終端100具有圖形程序接口(圖中未示出)，例如opengl系列，并存儲有卷積神經(jīng)網(wǎng)絡(luò)中各數(shù)據(jù)層對應(yīng)于圖形程序接口的存儲參數(shù)，基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置600對于每一個數(shù)據(jù)層，根據(jù)該數(shù)據(jù)層的存儲參數(shù)，將多個特征圖組合形成對應(yīng)的大紋理以作為與該數(shù)據(jù)層相連的下一處理層的輸入，調(diào)用該圖形程序接口對該大紋理執(zhí)行與該處理層對應(yīng)的渲染處理。一般情況下，各數(shù)據(jù)層的存儲參數(shù)包括特征圖尺寸、紋理橫向數(shù)量和紋理縱向數(shù)量，是在預(yù)先對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練時獲取的，具體的獲取方法此處先暫且不表，后面再予以解釋說明。圖2示出了根據(jù)本發(fā)明一個實施例的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法200的流程圖?；诰矸e神經(jīng)網(wǎng)絡(luò)的圖像處理方法200適于在具有圖形程序接口的移動終端100(例如圖1所示的移動終端100)中執(zhí)行。如圖2所示，方法200始于步驟s210。在步驟s210中，將待處理圖片作為第一個數(shù)據(jù)層輸入到卷積神經(jīng)網(wǎng)絡(luò)。其中，卷積神經(jīng)網(wǎng)絡(luò)是已經(jīng)預(yù)先訓(xùn)練好的，所包括的數(shù)據(jù)層的數(shù)量一般比處理層的數(shù)量多1個。圖3示出了根據(jù)本發(fā)明一個實施例的卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)示意圖。如圖3所示，該卷積神經(jīng)網(wǎng)絡(luò)包括5個數(shù)據(jù)層a1～a5和4個處理層b1～b4，其中，數(shù)據(jù)層a1和a5分別對應(yīng)卷積神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)層和輸出數(shù)據(jù)層，處理層b1～b4用于處理與之相連的上一數(shù)據(jù)層中的多個特征圖，以生成下一數(shù)據(jù)層中的多個特征圖。在該實施方式中，待處理圖片為rgba的4通道彩色圖片，尺寸為320px×256px，由于待處理圖片的通道數(shù)為4，表明每1個通道下的圖片對應(yīng)于1個特征圖，即該圖片包括4個不同通道，即通道r、g、b和alpha下，尺寸為320px×256px的特征圖，將這4個特征圖作為數(shù)據(jù)層a1輸入到上述卷積神經(jīng)網(wǎng)絡(luò)以便進(jìn)行后續(xù)圖像處理。隨后，進(jìn)入步驟s220，對每一個數(shù)據(jù)層，根據(jù)存儲參數(shù)，將該數(shù)據(jù)層的多個特征圖組合形成對應(yīng)的大紋理進(jìn)行存儲。其中，存儲參數(shù)與圖形程序接口對應(yīng)，包括特征圖尺寸、紋理橫向數(shù)量和紋理縱向數(shù)量，特征圖尺寸包括特征圖的高和寬。根據(jù)本發(fā)明的一個實施例，圖形程序接口選用opengles3.0，表1示出了該實施方式下卷積神經(jīng)網(wǎng)絡(luò)各數(shù)據(jù)層的存儲參數(shù)示例，具體如下所示：數(shù)據(jù)層特征圖尺寸(高px×寬px)紋理橫向數(shù)量紋理縱向數(shù)量a1320px×256px11a280px×64px31a380px×64px31a478px×62px21a578px×62px11表1根據(jù)該實施方式，可以通過以下方式對各數(shù)據(jù)層的多個特征圖組合形成對應(yīng)的大紋理進(jìn)行存儲。首先，獲取該數(shù)據(jù)層中多個特征圖對應(yīng)的小紋理，由于opengles3.0的浮點紋理最大的特點是可以用4通道來存儲數(shù)據(jù)，則紋理的4通道可同時存儲4個特征圖，則可通過將特征圖數(shù)量與4的商作為小紋理的數(shù)量，以實現(xiàn)以與特征圖尺寸相同的小紋理來存儲多個特征圖。當(dāng)然，在特征圖數(shù)量無法被4整除時，在計算上將特征圖數(shù)量與4的商向下取整后再加1的值作為小紋理的數(shù)量，即當(dāng)不足4通道時，會湊成4通道存在紋理中。比如對數(shù)據(jù)層a1，數(shù)據(jù)層a1中共計4個特征圖，且特征圖尺寸為320px×256px，則小紋理的數(shù)量為4/4＝1，得到了數(shù)據(jù)層a1中4個特征圖對應(yīng)的1個小紋理。然后，將得到的小紋理按照紋理橫向數(shù)量乘以紋理縱向數(shù)量的樣式進(jìn)行組合，以形成對應(yīng)的大紋理進(jìn)行存儲，該大紋理的高為特征圖的高與紋理縱向數(shù)量的乘積，該大紋理的寬為特征圖的寬與紋理橫向數(shù)量的乘積。很明顯，由于數(shù)據(jù)層a1對應(yīng)的小紋理只有1個，且紋理橫向數(shù)量和紋理縱向數(shù)量也均為1，則形成的大紋理實際上就是該小紋理。為了進(jìn)一步說明大紋理的形成過程，下面以數(shù)據(jù)層a2為例進(jìn)行補充描述。數(shù)據(jù)層a2中所包括的特征圖是處理層b1對數(shù)據(jù)層a1對應(yīng)的大紋理進(jìn)行渲染處理而生成的，此時得到數(shù)據(jù)層a2共計具有11個特征圖，由于11無法被4整除，則計算11與4的商向下取整后再加1的值作為小紋理的數(shù)量，即小紋理的數(shù)量為floor(11/4)+1＝3，floor表示向下取整。對于前2個小紋理，每個小紋理的4通道均存儲有特征圖，即總共存儲了8個特征圖，還剩余11-8＝3個特征圖，這3個特征圖需要存儲在第3個小紋理中，但是考慮到1個小紋理可同時存儲4個特征圖，基于補全原則，需要將余下的3個特征圖湊成4個特征圖進(jìn)行存儲，即將第4個特征圖對應(yīng)于第3個小紋理的第4通道的值全部設(shè)置為0，以湊成4通道。接下來，需要將得到的3個小紋理按照紋理橫向數(shù)量乘以紋理縱向數(shù)量的樣式進(jìn)行組合，以形成大紋理來存儲，由于數(shù)據(jù)層a2的存儲參數(shù)中特征圖的尺寸為80px×64px，紋理橫向數(shù)量為3，紋理縱向數(shù)量為1，即該大紋理由橫向排列的上述3個尺寸為80px×64px的小紋理組成。圖4示出了根據(jù)本發(fā)明一個實施例的卷積神經(jīng)網(wǎng)絡(luò)中數(shù)據(jù)層a2對應(yīng)的大紋理示意圖。如圖4所示，大紋理由小紋理a2-1、a2-2和a2-3組成，小紋理的高為80px，寬為64px，則最終形成的數(shù)據(jù)層a2對應(yīng)的大紋理的高為80px×1＝80px，寬為64px×3＝192px。在獲取到數(shù)據(jù)層a1對應(yīng)的大紋理進(jìn)行存儲后，開始進(jìn)入步驟s230，對每一個處理層，獲取與之相連的上一數(shù)據(jù)層對應(yīng)的大紋理，調(diào)用圖形程序接口對其進(jìn)行與該處理層對應(yīng)的渲染處理，以生成下一數(shù)據(jù)層中的多個特征圖。需要說明的是，實際在執(zhí)行基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法200時，在待處理圖片輸入到卷積神經(jīng)網(wǎng)絡(luò)后，步驟s220和s230中具體的處理操作是交替進(jìn)行直至執(zhí)行到卷積神經(jīng)網(wǎng)絡(luò)的最后一層。例如對圖3所示的卷積神經(jīng)網(wǎng)絡(luò)而言，數(shù)據(jù)層a1～a5與處理層b1～b4相互穿插排列，對數(shù)據(jù)層a1～a5均要執(zhí)行步驟s220中形成大紋理的操作，而處理層b1～b4則是要執(zhí)行步驟s230中通過opengles3.0進(jìn)行紋理渲染的處理，按照上述排列順序執(zhí)行相應(yīng)步驟的過程即是步驟s220與步驟s230交替執(zhí)行，直至獲得數(shù)據(jù)層a5對應(yīng)的大紋理為止。為便于描述，這里僅對處理層b3執(zhí)行步驟s230中的具體操作進(jìn)行說明，其他處理層則不予以贅述。具體地，在根據(jù)本發(fā)明的一個實施例中，可以通過以下方式來獲取與處理層相連的上一數(shù)據(jù)層對應(yīng)的大紋理，調(diào)用圖形程序接口對其進(jìn)行與該處理層對應(yīng)的渲染處理，以生成下一數(shù)據(jù)層中的多個特征圖。首先，獲取與該處理層相連的上一數(shù)據(jù)層對應(yīng)的大紋理，大紋理由上一數(shù)據(jù)層中的多個特征圖所形成的小紋理組成。在該實施方式中，與處理層b3相連的上一數(shù)據(jù)層為數(shù)據(jù)層a3，則先獲取數(shù)據(jù)層a3對應(yīng)的大紋理。從表1可知數(shù)據(jù)層a3與數(shù)據(jù)層a2對應(yīng)的大紋理在形式上一致，因此數(shù)據(jù)層a3對應(yīng)的大紋理由3個小紋理組成。隨后，對每一個小紋理，獲取該小紋理的各頂點的紋理坐標(biāo)與像素坐標(biāo)。圖5示出了根據(jù)本發(fā)明一個實施例的卷積神經(jīng)網(wǎng)絡(luò)中數(shù)據(jù)層a3對應(yīng)的大紋理示意圖。如圖5所示，數(shù)據(jù)層a3對應(yīng)的大紋理包括小紋理a3-1、a3-2和a3-3，將小紋理的高設(shè)為h，寬設(shè)為w。以小紋理a3-1為例，小紋理a3-1具有d1、d2、d3和d4共計4個頂點，對這4個頂點而言，其像素坐標(biāo)如下：頂點d1：(cx×w,cy×h)頂點d2：((cx+1)×w,cy×h)頂點d3：(cx×w,(cy+1)×h)頂點d4：((cx+1)×w,(cy+1)×h)紋理坐標(biāo)如下：頂點d1：(cx/cw,cy×ch)頂點d2：((cx+1)×cw,cy×ch)頂點d3：(cx×cw,(cy+1)×ch)頂點d4：((cx+1)×cw,(cy+1)×ch)其中，cw為數(shù)據(jù)層a3對應(yīng)的紋理橫向數(shù)量，ch為數(shù)據(jù)層a3對應(yīng)的紋理縱向數(shù)量，cy＝floor((i-1)/cw)，cx＝i-1-cy×cw，i表示小紋理的序號，由于數(shù)據(jù)層a3對應(yīng)的大紋理包括3個小紋理，則i的取值可為1、2或3，對小紋理a3-1而言，i＝1，對小紋理a3-2而言，i＝2，對小紋理a3-3而言，i＝3。由此，根據(jù)各頂點的紋理坐標(biāo)與像素坐標(biāo)，調(diào)用圖形程序接口對該小紋理進(jìn)行與該處理層對應(yīng)的渲染處理，以生成下一數(shù)據(jù)層中的多個特征圖。在該實施方式中，由表1可知，與處理層a3相連的上一數(shù)據(jù)層a3對應(yīng)的大紋理包括3個小紋理，相當(dāng)于有3個輸入塊，下一數(shù)據(jù)層a4對應(yīng)的大紋理包括2個小紋理，相當(dāng)于由2個輸出塊，考慮opengles3.0在腳本中傳入的參數(shù)有限，依次計算各輸出塊以實現(xiàn)分塊計算。將處理層a3的操作標(biāo)記為φ，則對于各輸入塊mi(i＝1,2,3)，輸出塊nk(k＝1,2)有：其中，∑(·)表示對所有輸入塊mi(i＝1,2,3)進(jìn)行φ處理后的某種組合，當(dāng)然，不同的處理層對于不同的組合，比如若處理層b3為卷積層，則∑(·)表示求和。那么，對任一輸入塊mi(i＝1,2,3)進(jìn)行渲染時，由于紋理坐標(biāo)范圍為0～1，而腳本渲染的過程實際上是利用像素坐標(biāo)來插值紋理坐標(biāo)，則根據(jù)各輸入塊對應(yīng)的4個頂點的像素坐標(biāo)和紋理坐標(biāo)，利用頂點著色器進(jìn)行插值形成紋理采樣點，以供片段著色器并行使用即可實現(xiàn)腳本渲染。進(jìn)一步地，對于卷積神經(jīng)網(wǎng)絡(luò)而言，其處理層一般包括卷積層、池化層、激活層等多種類型，而就卷積層來說，卷積與反卷積計算占據(jù)了卷積神經(jīng)網(wǎng)絡(luò)處理70％以上的計算時間，采用如opengles3.0的腳本渲染進(jìn)行分塊計算，可大幅度提高計算效率，但卷積操作按塊進(jìn)行計算時，在邊界區(qū)域為避免越界，會涉及大量的“if…else…”條件判斷，難以充分利用腳本渲染的計算效率。為解決這一問題，根據(jù)本發(fā)明的一個實施例，當(dāng)處理層為卷積層時，可通過以下方式調(diào)用圖形程序接口，對與其相連的上一數(shù)據(jù)層對應(yīng)的大紋理進(jìn)行與該卷積層對應(yīng)的渲染處理。首先，獲取卷積層的處理參數(shù)，以及與卷積層相連的下一數(shù)據(jù)層的存儲參數(shù)中的特征圖尺寸，處理參數(shù)包括卷積核與步長。在該實施方式中，處理層b3為卷積層，與其相連的下一數(shù)據(jù)層為數(shù)據(jù)層a4，數(shù)據(jù)層a4的存儲參數(shù)中的特征圖尺寸為78px×62px，處理層b3的處理參數(shù)中卷積核的大小為3px×3px，步長為1。接下來，對每一個小紋理，根據(jù)處理參數(shù)，對該小紋理中符合特征圖尺寸的中心區(qū)域進(jìn)行一次渲染處理，處理層b3要進(jìn)行分塊渲染處理的小紋理為圖5所示的小紋理a3-1、a3-2和a3-3，此處以小紋理a3-1進(jìn)行渲染處理的示例說明。根據(jù)上述卷積核和步長，對小紋理a3-1中尺寸為78px×62px的中心區(qū)域進(jìn)行一次渲染，由于中心區(qū)域為一個78px×62px的矩形，而小紋理a3-1的尺寸為80px×64px，在對中心區(qū)域的渲染時無需進(jìn)行“if…else…”判斷，以中心區(qū)域的對角線對其進(jìn)行分割可得到2個三角面片，則對該中心區(qū)域的渲染處理實際上是渲染這2個三角面片。最后，在完成一次渲染處理后，對中心區(qū)域以外的小紋理的邊界區(qū)域進(jìn)行二次渲染處理。很明顯，邊界區(qū)域可視為4條寬度為1px的線段，直接對這4條線段進(jìn)行渲染即可。上述分步渲染是卷積核大小為3px×3px的情形，若卷積核大小為5px×5px，則邊界區(qū)域相當(dāng)于4條寬度為2px的線段，但二次渲染處理的對象是寬度為1px的線段，此時應(yīng)將邊界區(qū)域視為8條寬度為1px的線段以進(jìn)行渲染。依此類推，可得到基于7px×7px、9px×9px和11px×11px等大小的卷積核的渲染方法。在以上基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理過程中，卷積神經(jīng)網(wǎng)絡(luò)中各數(shù)據(jù)層的對應(yīng)于圖形程序接口的存儲參數(shù)需要預(yù)先獲取，根據(jù)本發(fā)明的一個實施例，可以利用下列方法來預(yù)先獲取存儲參數(shù)。在該實施方式中，首先根據(jù)預(yù)先獲取的訓(xùn)練圖片集對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以獲取各數(shù)據(jù)層的特征圖的特征圖尺寸和特征圖數(shù)量。表2示出了該實施方式下各數(shù)據(jù)層的特征圖尺寸和特征圖數(shù)量的存儲示例，具體如下所示：數(shù)據(jù)層特征圖尺寸(高px×寬px)特征圖數(shù)量a1320px×256px4a280px×64px11a380px×64px12a478px×62px8a578px×62px4表2然后，對每一個數(shù)據(jù)層，將該數(shù)據(jù)層的特征圖數(shù)量與4的商作為特征圖對應(yīng)的小紋理的數(shù)量，小紋理的尺寸與特征圖尺寸一致。數(shù)據(jù)層a1～a5中特征圖的數(shù)量依次為4、11、12、8和4，很明顯數(shù)據(jù)層a2的特征圖數(shù)量11是無法被4整除的，則計算11與4的商向下取整后再加1的值作為小紋理的數(shù)量，即小紋理的數(shù)量為floor(11/4)+1＝3，floor表示向下取整，最終得到數(shù)據(jù)層a1～a5對應(yīng)的小紋理的數(shù)量分別為1、3、3、2和1。最后，將小紋理的數(shù)量拆分成2個盡可能接近的數(shù)值的乘積，將這2個數(shù)值分別作為紋理橫向數(shù)量和紋理縱向數(shù)量。數(shù)據(jù)層a1和a5的小紋理數(shù)量均為1，將1拆分成1×1，則數(shù)據(jù)層a1和a5的紋理橫向數(shù)量和紋理縱向數(shù)量均為1，數(shù)據(jù)層a2和a3的小紋理數(shù)量均為3，將3拆分成1×3，則數(shù)據(jù)層a2和a3的紋理橫向數(shù)量為3，紋理縱向數(shù)量為1，數(shù)據(jù)層a4的小紋理數(shù)量為2，將2拆分成1×2，則數(shù)據(jù)層a4的紋理橫向數(shù)量為2，紋理縱向數(shù)量為1。至此，獲取到了所有數(shù)據(jù)層的存儲參數(shù)，將其全部存儲至移動終端100中，關(guān)于各數(shù)據(jù)層的存儲參數(shù)示例，具體可參見上文中的表1。圖6示出了本發(fā)明一個實施例的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置600的示意圖。如圖6所示，基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置600包括輸入模塊610、轉(zhuǎn)換模塊620和處理模塊630。輸入模塊610適于將待處理圖片作為第一個數(shù)據(jù)層輸入到卷積神經(jīng)網(wǎng)絡(luò)。其中，卷積神經(jīng)網(wǎng)絡(luò)包括多個處理層和多個數(shù)據(jù)層，其中每個處理層用于處理與之相連的上一數(shù)據(jù)層中的多個特征圖，以生成下一數(shù)據(jù)層中的多個特征圖。轉(zhuǎn)換模塊620與輸入模塊610相連，適于對每一個數(shù)據(jù)層，根據(jù)存儲參數(shù)，將該數(shù)據(jù)層的多個特征圖組合形成對應(yīng)的大紋理進(jìn)行存儲。其中，存儲參數(shù)包括特征圖尺寸、紋理橫向數(shù)量和紋理縱向數(shù)量。特征圖尺寸包括特征圖的高和寬，轉(zhuǎn)換模塊620進(jìn)一步適于獲取該數(shù)據(jù)層中多個特征圖對應(yīng)的小紋理；將小紋理按照紋理橫向數(shù)量乘以紋理縱向數(shù)量的樣式進(jìn)行組合，以形成對應(yīng)的大紋理進(jìn)行存儲，大紋理的高為特征圖的高與紋理縱向數(shù)量的乘積，大紋理的寬為特征圖的寬與紋理橫向數(shù)量的乘積。處理模塊630與轉(zhuǎn)換模塊620相連，適于對每一個處理層，獲取與之相連的上一數(shù)據(jù)層對應(yīng)的大紋理，調(diào)用圖形程序接口對其進(jìn)行與該處理層對應(yīng)的渲染處理，以生成下一數(shù)據(jù)層中的多個特征圖。處理模塊630進(jìn)一步適于獲取與該處理層相連的上一數(shù)據(jù)層對應(yīng)的大紋理，大紋理由上一數(shù)據(jù)層中的多個特征圖所形成的小紋理組成；對每一個小紋理，獲取該小紋理的各頂點的紋理坐標(biāo)與像素坐標(biāo)；根據(jù)各頂點的紋理坐標(biāo)與像素坐標(biāo)，調(diào)用圖像程序接口對該小紋理進(jìn)行與該處理層對應(yīng)的渲染處理，以生成下一數(shù)據(jù)層中的多個特征圖。處理層包括卷積層，與該卷積層相連的上一數(shù)據(jù)層對應(yīng)的大紋理包括由該數(shù)據(jù)層中的多個特征圖形成的小紋理，處理模塊630還適于獲取卷積層的處理參數(shù)，以及與卷積層相連的下一數(shù)據(jù)層的存儲參數(shù)中的特征圖尺寸，處理參數(shù)包括卷積核與步長；對每一個小紋理，根據(jù)處理參數(shù)，對該小紋理中符合特征圖尺寸的中心區(qū)域進(jìn)行一次渲染處理；在完成一次渲染處理后，對中心區(qū)域以外的小紋理的邊界區(qū)域進(jìn)行二次渲染處理。圖7示出了本發(fā)明又一個實施例的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置700的示意圖。如圖7所示，基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置700的輸入模塊710、轉(zhuǎn)換模塊720和處理模塊730，分別與圖6中基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理裝置600的輸入模塊610、轉(zhuǎn)換模塊620和處理模塊630一一對應(yīng)，是一致的，并新增了與轉(zhuǎn)換模塊720相連的獲取模塊740。獲取模塊740適于預(yù)先獲取卷積神經(jīng)網(wǎng)絡(luò)中各數(shù)據(jù)層的對應(yīng)于圖形程序接口的存儲參數(shù)。獲取模塊740進(jìn)一步適于根據(jù)預(yù)先獲取的訓(xùn)練圖片集對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以獲取各數(shù)據(jù)層的特征圖的特征圖尺寸和特征圖數(shù)量；對每一個數(shù)據(jù)層，將該數(shù)據(jù)層的特征圖數(shù)量與4的商作為特征圖對應(yīng)的小紋理的數(shù)量，小紋理的尺寸與特征圖尺寸一致；將小紋理的數(shù)量拆分成2個盡可能接近的數(shù)值的乘積，將這2個數(shù)值分別作為紋理橫向數(shù)量和紋理縱向數(shù)量。關(guān)于基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理的具體步驟以及實施例，在基于圖2～5的描述中已經(jīng)詳細(xì)公開，此處不再贅述?，F(xiàn)有的在移動終端基于卷積神經(jīng)網(wǎng)絡(luò)處理圖像的方法，是利用gpu和如opengles的圖形程序接口來實現(xiàn)浮點運算的。但在通過紋理存儲數(shù)據(jù)時，會導(dǎo)致大量紋理的創(chuàng)建，而opengles在紋理渲染過程中是需要不斷綁定和解綁不同紋理的，導(dǎo)致了計算效率下降。而且cnn中存在數(shù)量較多的卷積層，對于特征圖邊界的判斷需要使用如“if…else…”的條件判斷語句，而此類語句容易給渲染過程帶來效率低下的問題。根據(jù)本發(fā)明實施例的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方案，首先將待處理圖片作為第一個數(shù)據(jù)層輸入到卷積神經(jīng)網(wǎng)絡(luò)中開始進(jìn)行圖像處理，在處理過程中，對于卷積神經(jīng)網(wǎng)絡(luò)中的每一個數(shù)據(jù)層，會根據(jù)該數(shù)據(jù)層對應(yīng)與圖形程序接口的存儲參數(shù)，將這一數(shù)據(jù)層的多個特征圖組合形成對應(yīng)的大紋理進(jìn)行存儲，則與該數(shù)據(jù)層相連的下一處理層即獲取上述大紋理，調(diào)用圖形程序接口對其進(jìn)行與該處理層對應(yīng)的渲染處理，以生成與之相連的下一數(shù)據(jù)層中的多個特征圖，而下一數(shù)據(jù)層則會繼續(xù)執(zhí)行將多個特征圖組合形成大紋理進(jìn)行存儲的步驟。換言之，對于每一個處理層，相當(dāng)于輸入該處理層的數(shù)據(jù)是一個大紋理，而從該處理層輸出的數(shù)據(jù)也是一個大紋理，處理層的計算過程則轉(zhuǎn)換為基于圖形程序接口的腳本渲染過程。在上述技術(shù)方案中，對于各數(shù)據(jù)層，通過將該數(shù)據(jù)層的多個特征圖進(jìn)行組合形成對應(yīng)的大紋理，以提供給與之相連的下一處理層進(jìn)行處理，而對于各處理層，則對與該處理層相連的上一數(shù)據(jù)層對應(yīng)的大紋理中的各小紋理執(zhí)行分塊渲染，不僅無需大量創(chuàng)建紋理，避免在紋理渲染過程中不斷綁定和解綁紋理的重復(fù)操作，而且處理層的計算環(huán)節(jié)完全在gpu中完成，無需cpu與gpu的數(shù)據(jù)來回切換，提高了計算效率。進(jìn)一步地，當(dāng)處理層具體為卷積層時，對當(dāng)前輸入的大紋理中的各小紋理，基于邊界區(qū)域進(jìn)行分次渲染，以降低因防止越界而進(jìn)行條件判斷的次數(shù)，充分利用腳本渲染的計算效率，實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)的加速。b9.如b7或8所述的裝置，所述處理模塊進(jìn)一步適于：獲取與該處理層相連的上一數(shù)據(jù)層對應(yīng)的大紋理，所述大紋理由上一數(shù)據(jù)層中的多個特征圖所形成的小紋理組成；對每一個小紋理，獲取該小紋理的各頂點的紋理坐標(biāo)與像素坐標(biāo)；根據(jù)各頂點的紋理坐標(biāo)與像素坐標(biāo)，調(diào)用所述圖形程序接口對該小紋理進(jìn)行與該處理層對應(yīng)的渲染處理，以生成下一數(shù)據(jù)層中的多個特征圖。b10.如b7-9中任一項所述的裝置，所述處理層包括卷積層，與該卷積層相連的上一數(shù)據(jù)層對應(yīng)的大紋理包括由該數(shù)據(jù)層中的多個特征圖形成的小紋理，所述處理模塊還適于：獲取所述卷積層的處理參數(shù)，以及與所述卷積層相連的下一數(shù)據(jù)層的存儲參數(shù)中的特征圖尺寸，所述處理參數(shù)包括卷積核與步長；對每一個小紋理，根據(jù)所述處理參數(shù)，對該小紋理中符合所述特征圖尺寸的中心區(qū)域進(jìn)行一次渲染處理；在完成一次渲染處理后，對所述中心區(qū)域以外的小紋理的邊界區(qū)域進(jìn)行二次渲染處理。b11.如b7-10中任一項所述的裝置，還包括獲取模塊，適于預(yù)先獲取所述卷積神經(jīng)網(wǎng)絡(luò)中各數(shù)據(jù)層的對應(yīng)于所述圖形程序接口的存儲參數(shù)。b12.如b11所述的裝置，所述獲取模塊進(jìn)一步適于：根據(jù)預(yù)先獲取的訓(xùn)練圖片集對所述卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以獲取各數(shù)據(jù)層的特征圖的特征圖尺寸和特征圖數(shù)量；對每一個數(shù)據(jù)層，將該數(shù)據(jù)層的特征圖數(shù)量與4的商作為特征圖對應(yīng)的小紋理的數(shù)量，所述小紋理的尺寸與特征圖尺寸一致；將所述小紋理的數(shù)量拆分成2個盡可能接近的數(shù)值的乘積，將這2個數(shù)值分別作為紋理橫向數(shù)量和紋理縱向數(shù)量。在此處所提供的說明書中，說明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實施例可以在沒有這些具體細(xì)節(jié)的情況下被實踐。在一些實例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對本說明書的理解。類似地，應(yīng)當(dāng)理解，為了精簡本公開并幫助理解各個發(fā)明方面中的一個或多個，在上面對本發(fā)明的示例性實施例的描述中，本發(fā)明的各個特征有時被一起分組到單個實施例、圖、或者對其的描述中。然而，并不應(yīng)將該公開的方法解釋成反映如下意圖：即所要求保護(hù)的本發(fā)明要求比在每個權(quán)利要求中所明確記載的特征更多特征。更確切地說，如下面的權(quán)利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個實施例的所有特征。因此，遵循具體實施方式的權(quán)利要求書由此明確地并入該具體實施方式，其中每個權(quán)利要求本身都作為本發(fā)明的單獨實施例。本領(lǐng)域那些技術(shù)人員應(yīng)當(dāng)理解在本文所公開的示例中的設(shè)備的模塊或單元或組間可以布置在如該實施例中所描述的設(shè)備中，或者可替換地可以定位在與該示例中的設(shè)備不同的一個或多個設(shè)備中。前述示例中的模塊可以組合為一個模塊或者此外可以分成多個子模塊。本領(lǐng)域那些技術(shù)人員可以理解，可以對實施例中的設(shè)備中的模塊進(jìn)行自適應(yīng)性地改變并且把它們設(shè)置在與該實施例不同的一個或多個設(shè)備中。可以把實施例中的模塊或單元或組間組合成一個模塊或單元或組間，以及此外可以把它們分成多個子模塊或子單元或子組間。除了這樣的特征和/或過程或者單元中的至少一些是相互排斥之外，可以采用任何組合對本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設(shè)備的所有過程或單元進(jìn)行組合。除非另外明確陳述，本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的每個特征可以由提供相同、等同或相似目的的替代特征來代替。此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此所述的一些實施例包括其它實施例中所包括的某些特征而不是其它特征，但是不同實施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實施例。例如，在下面的權(quán)利要求書中，所要求保護(hù)的實施例的任意之一都可以以任意的組合方式來使用。此外，所述實施例中的一些在此被描述成可以由計算機系統(tǒng)的處理器或者由執(zhí)行所述功能的其它裝置實施的方法或方法元素的組合。因此，具有用于實施所述方法或方法元素的必要指令的處理器形成用于實施該方法或方法元素的裝置。此外，裝置實施例的在此所述的元素是如下裝置的例子：該裝置用于實施由為了實施該發(fā)明的目的的元素所執(zhí)行的功能。這里描述的各種技術(shù)可結(jié)合硬件或軟件，或者它們的組合一起實現(xiàn)。從而，本發(fā)明的方法和設(shè)備，或者本發(fā)明的方法和設(shè)備的某些方面或部分可采取嵌入有形媒介，例如軟盤、cd-rom、硬盤驅(qū)動器或者其它任意機器可讀的存儲介質(zhì)中的程序代碼(即指令)的形式，其中當(dāng)程序被載入諸如計算機之類的機器，并被所述機器執(zhí)行時，所述機器變成實踐本發(fā)明的設(shè)備。在程序代碼在可編程計算機上執(zhí)行的情況下，計算設(shè)備一般包括處理器、處理器可讀的存儲介質(zhì)(包括易失性和非易失性存儲器和/或存儲元件)，至少一個輸入裝置，和至少一個輸出裝置。其中，存儲器被配置用于存儲程序代碼；處理器被配置用于根據(jù)該存儲器中存儲的所述程序代碼中的指令，執(zhí)行本發(fā)明的基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法。以示例而非限制的方式，計算機可讀介質(zhì)包括計算機存儲介質(zhì)和通信介質(zhì)。計算機可讀介質(zhì)包括計算機存儲介質(zhì)和通信介質(zhì)。計算機存儲介質(zhì)存儲諸如計算機可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序模塊或其它數(shù)據(jù)等信息。通信介質(zhì)一般以諸如載波或其它傳輸機制等已調(diào)制數(shù)據(jù)信號來體現(xiàn)計算機可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序模塊或其它數(shù)據(jù)，并且包括任何信息傳遞介質(zhì)。以上的任一種的組合也包括在計算機可讀介質(zhì)的范圍之內(nèi)。如在此所使用的那樣，除非另行規(guī)定，使用序數(shù)詞“第一”、“第二”、“第三”等等來描述普通對象僅僅表示涉及類似對象的不同實例，并且并不意圖暗示這樣被描述的對象必須具有時間上、空間上、排序方面或者以任意其它方式的給定順序。盡管根據(jù)有限數(shù)量的實施例描述了本發(fā)明，但是受益于上面的描述，本
技術(shù)領(lǐng)域：
內(nèi)的技術(shù)人員明白，在由此描述的本發(fā)明的范圍內(nèi)，可以設(shè)想其它實施例。此外，應(yīng)當(dāng)注意，本說明書中使用的語言主要是為了可讀性和教導(dǎo)的目的而選擇的，而不是為了解釋或者限定本發(fā)明的主題而選擇的。因此，在不偏離所附權(quán)利要求書的范圍和精神的情況下，對于本
技術(shù)領(lǐng)域：
的普通技術(shù)人員來說許多修改和變更都是顯而易見的。對于本發(fā)明的范圍，對本發(fā)明所做的公開是說明性的，而非限制性的，本發(fā)明的范圍由所附權(quán)利要求書限定。當(dāng)前第1頁12