CN111340085B

CN111340085B - 数据处理方法及装置、处理器、电子设备、存储介质

Info

Publication number: CN111340085B
Application number: CN202010107018.7A
Authority: CN
Inventors: 黄厚钧; 何悦; 李�诚; 王贵杰; 王子彬
Original assignee: Shenzhen Sensetime Technology Co Ltd
Current assignee: Shenzhen Sensetime Technology Co Ltd
Priority date: 2020-02-20
Filing date: 2020-02-20
Publication date: 2024-03-08
Anticipated expiration: 2040-02-20
Also published as: CN111340085A

Abstract

本申请公开了一种数据处理方法及装置、处理器、电子设备、存储介质。该方法包括：获取第一待处理数据；对所述第一待处理数据进行第一池化处理得到第一特征数据，对所述第一待处理数据进行第二池化处理得到第二特征数据，其中，所述第一池化处理与所述第二池化处理不同；将所述第一特征数据和所述第二特征数据融合，得到第三特征数据。

Description

数据处理方法及装置、处理器、电子设备、存储介质

技术领域

本申请涉及计算机技术领域，尤其涉及一种数据处理方法及装置、处理器、电子设备、存储介质。

背景技术

在数据处理过程中，由于数据的尺寸较大，导致后续对数据的处理将带来较大的数据处理量。因此，在数据处理过程中，需要缩小数据的尺寸，进而减小后续对数据的处理带来的数据处理量。

通过对数据进行池化处理(pooling)可达到缩小数据尺寸的效果。但传统池化处理在缩小数据的尺寸的同时，易导致信息的丢失。

发明内容

本申请提供一种数据处理方法及装置、处理器、电子设备、存储介质。

第一方面，提供了一种数据处理方法，所述方法包括：

获取第一待处理数据；

对所述第一待处理数据进行第一池化处理得到第一特征数据，对所述第一待处理数据进行第二池化处理得到第二特征数据，其中，所述第一池化处理与所述第二池化处理不同；

将所述第一特征数据和所述第二特征数据融合，得到第三特征数据。

在该方面中，通过对第一待处理数据进行第一池化处理得到第一特征数据，在缩小第一待处理数据的尺寸的同时，提取第一待处理数据中的信息，得到第一特征数据。对第一待处理数据进行第二池化处理得到第二特征数据，在缩小第一待处理数据的尺寸的同时，提取第一待处理数据中的信息，得到第二特征数据。将第一特征数据和第二特征数据融合，以融合第一特征数据的信息和第二特征数据的信息，得到第三特征数据。进而达到在实现对第一待处理数据的池化处理的同时，减少信息的丢失的效果。

结合本申请任一实施方式，所述将所述第一特征数据和所述第二特征数据融合，得到第三特征数据，包括：

将所述第一特征数据和所述第二特征数据在通道维度上拼接，得到所述第三特征数据。

通过将第一特征数据和第二特征数据在通道维度上拼接，实现对第一特征数据和第二特征数据的融合。

结合本申请任一实施方式，所述方法还包括：

获取第二待处理数据，所述第二待处理数据与所述第一待处理数据不同；

对所述第二待处理数据进行所述第一池化处理得到第四特征数据，对所述第二待处理数据进行所述第二池化处理得到第五特征数据；

将所述第四特征数据和所述第五特征数据在通道维度上拼接，得到第六特征数据；

依据所述第三特征数据和所述第六特征数据，得到第七特征数据，所述第七特征数据携带所述第三特征数据和所述第六特征数据之间的差异信息。

通过确定第三特征数据与第六特征数据的差或通过确定第三特征数据与第六特征数据的商，提取出第三特征数据和第六特征数据之间的差异信息得到第七特征数据。由于第三特征数据和第六特征数据均为基于第一方面提供的技术方案获得，因此，基于本实施方式提供的技术方案可丰富得到的差异信息。

结合本申请任一实施方式，所述依据所述第三特征数据和所述第六特征数据，得到第七特征数据，包括：

确定所述第三特征数据与所述第六特征数据的差，得到所述第七特征数据；或，

确定所述第三特征数据与所述第六特征数据的商，得到所述第七特征数据。

在该实施方式中，通过确定第三特征数据与第六特征数据的差，提取第三特征数据与第六特征数据之间的差异信息，得到第七特征数据，或，通过确定第三特征数据与第六特征数据的商，提取第三特征数据与第六特征数据之间的差异信息，得到第七特征数据。

结合本申请任一实施方式，所述方法还包括：

依据所述第三特征数据和所述第六特征数据，得到第八特征数据，所述第八特征数据携带所述第三特征数据和所述第六特征数据的相似度信息。

通过对第三特征数据与第六特征数据进行处理，提取出第三特征数据和第六特征数据之间的相似度信息得到第八特征数据。由于第三特征数据和第六特征数据均为基于第一方面提供的技术方案获得，因此，基于本实施方式提供的技术方案可丰富相似度信息，进而提高得到的相似度信息的准确率。

结合本申请任一实施方式，所述方法还包括：

去除所述第三特征数据中的参考信息，得到第九特征数据，所述参考信息包括：程度信息、角度信息、姿态信息。

结合本申请任一实施方式，所述获取第一待处理数据和所述第二待处理数据，包括：

获取第一簇，其中，所述包括至少一个数据，所述至少一个数据的类别相同；

对所述第一簇进行特征提取处理，得到所述第一待处理数据。

第二方面，提供了一种数据处理装置，所述装置包括：

获取单元，用于获取第一待处理数据；

池化处理单元，用于对所述第一待处理数据进行第一池化处理得到第一特征数据，对所述第一待处理数据进行第二池化处理得到第二特征数据，其中，所述第一池化处理与所述第二池化处理不同；

融合单元，用于将所述第一特征数据和所述第二特征数据融合，得到第三特征数据。

结合本申请任一实施方式，所述融合单元，包括：

结合本申请任一实施方式，其特征在于，

所述获取单元，还用于获取第二待处理数据，所述第二待处理数据与所述第一待处理数据不同；

所述池化处理单元，还用于对所述第二待处理数据进行所述第一池化处理得到第四特征数据，对所述第二待处理数据进行所述第二池化处理得到第五特征数据；

所述融合单元，还用于将所述第四特征数据和所述第五特征数据在通道维度上拼接，得到第六特征数据；

所述装置还包括：处理单元，用于依据所述第三特征数据和所述第六特征数据，得到第七特征数据，所述第七特征数据携带所述第三特征数据和所述第六特征数据之间的差异信息。

结合本申请任一实施方式，所述处理单元，用于：

结合本申请任一实施方式，所述处理单元，还用于：

结合本申请任一实施方式，所述获取单元，用于：

获取第一簇，其中，所述第一簇包括至少一个数据，所述至少一个数据的类别相同；

第三方面，提供了一种处理器，所述处理器用于执行如上述第一方面及其任意一种可能实现的方式的方法。

第四方面，提供了一种电子设备，包括：处理器、发送装置、输入装置、输出装置和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述处理器执行所述计算机指令时，所述电子设备执行如上述第一方面及其任意一种可能实现的方式的方法。

第五方面，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被电子设备的处理器执行时，使所述处理器执行如上述第一方面及其任意一种可能实现的方式的方法。

第六方面，提供了一种计算机程序产品，所述计算机程序产品包括计算机程序或指令，当所述计算机程序或指令在计算机上运行时，使得所述计算机执行上述第一方面及其任一种可能的实现方式的方法。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本申请。

附图说明

为了更清楚地说明本申请实施例或背景技术中的技术方案，下面将对本申请实施例或背景技术中所需要使用的附图进行说明。

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。

图1a为本申请实施例提供的一种特征图像的示意图；

图1b为本申请实施例提供的一种池化处理后的图像的示意图；

图2a为本申请实施例提供的另一种特征图像的示意图；

图2b为本申请实施例提供的另一种池化处理后的图像的示意图；

图3为本申请实施例提供的一种数据处理方法的流程示意图；

图4为本申请实施例提供的一种宽度维度上的拼接的示意图；

图5为本申请实施例提供的一种长度维度上的拼接的示意图；

图6为本申请实施例提供的一种相同位置的元素的示意图；

图7为本申请实施例提供的另一种数据处理方法的流程示意图；

图8为本申请实施例提供的另一种数据处理方法的流程示意图；

图9为本申请实施例提供的另一种数据处理方法的流程示意图；

图10为本申请实施例提供的一种数据处理装置的结构示意图；

图11为本申请实施例提供的一种数据处理装置的硬件结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

得益于强大的处理能力，卷积神经网络被广泛应用于计算机视觉领域和语音处理领域中。例如，将图像输入至卷积神经网络，经卷积神经网络中的卷积层对图像进行处理，得到图像的特征数据，进而可依据该特征数据实现对图像的分类。

在卷积神经网络对数据(包括图像和语音数据)进行卷积处理时，需要使用卷积层中的卷积核对数据进行卷积处理，以提取出数据的特征数据。以卷积神经网络对图像进行卷积处理为例，卷积核对图像进行卷积处理的实现过程如下：通过使卷积核在图像上滑动，并将图像上与卷积核的中心像素点对应的像素称为目标像素。将图像上的像素值与卷积核上对应的数值相乘，然后将所有相乘后的值相加得到卷积处理后的像素值。将卷积处理后的像素值作为目标像素的像素值。最终滑动处理完图像，更新图像中所有像素的像素值，完成对图像的卷积处理。

将对图像进行卷积处理得到的数据称为特征图像，从上述卷积过程中可以看出，特征图像中的像素的数量与图像中的像素的数量相同。当图像包含的像素的数量较大时，特征图像中的像素的数量也较大。这样，在后续对特征图像的处理(如通过全连接层对特征图像进行处理，以确定图像的类别)中将带来非常大的数据处理量。为减小后续处理中带来的数据处理量，可对特征图像进行下采样处理，其中，池化处理即为下采样处理中的一种。

传统池化处理可以是最大池化处理或均值池化处理中的一种。

最大池化处理可参见下例(例1)：假设特征图像的尺寸为h*w，池化处理后的图像的尺寸为H*W，其中，h表示特征图像的长，w表示特征图像的宽，H表示池化处理后的图像的长，W表示池化处理后的图像的宽。在对特征图像进行最大池化处理时，可将特征图像划分成H*W个池化处理区域，这样，每一个池化处理区域的尺寸为(h/H)*(w/W)。将每一个池化处理区域中像素的像素值的最大值作为池化处理区域的像素值，即可完成对特征图像的最大池化处理，得到池化处理后的图像。

均值池化处理可参见下例(例2)：假设特征图像的尺寸为h*w，池化处理后的图像的尺寸为H*W，其中，h表示特征图像的长，w表示特征图像的宽，H表示池化处理后的图像的长，W表示池化处理后的图像的宽。在对特征图像进行均值池化处理时，可将特征图像划分成H*W个池化处理区域，这样，每一个池化处理区域的尺寸为(h/H)*(w/W)。将每一个池化处理区域中像素的像素值的最大值作为池化处理区域的像素值，即可完成对特征图像的均值池化处理，得到池化处理后的图像。

从上述两个示例可以看出，传统池化处理无论是以最大池化处理实现还是以均值池化处理实现，均会导致部分像素值的丢失，即部分像素点包含的信息的丢失。

举例来说，图1a为尺寸为3*3的特征图像，其中，像素A₁₁的像素值为30，像素A₁₂的像素值为40，像素A₁₃的像素值为60，像素A₂₁的像素值为240，像素A₂₂的像素值为100，像素A₂₃的像素值为190，像素A₃₁的像素值为230，像素A₃₂的像素值为70，像素A₃₃的像素值为20。对图1a所示的特征图像进行最大池化处理，得到尺寸为1*1的池化处理后的图像(即图1b所示的图像)。显然，在对特征图像进行最大池化处理的过程中，丢失了像素A₁₁包含的信息、像素A₁₂包含的信息、像素A₁₃包含的信息、像素A₂₂包含的信息、像素A₂₃包含的信息、像素A₃₁包含的信息、像素A₃₂包含的信息、像素A₃₃包含的信息。

再举例来说，图2a为尺寸为3*3的特征图像，其中，像素A₁₁的像素值为40，像素A₁₂的像素值为40，像素A₁₃的像素值为60，像素A₂₁的像素值为240，像素A₂₂的像素值为100，像素A₂₃的像素值为190，像素A₃₁的像素值为230，像素A₃₂的像素值为70，像素A₃₃的像素值为20。对图2a所示的特征图像进行均值池化处理，得到尺寸为1*1的池化处理后的图像(即图2b所示的图像)，其中，像素B的像素值为110。像素B中的信息相当于将特征图像中的像素的信息融合后得到的信息，但在对特征图像进行均值池化处理的过程中，丢失了像素A₁₁包含的信息、像素A₁₂包含的信息、像素A₁₃包含的信息、像素A₂₁包含的信息、像素A₂₂包含的信息、像素A₂₃包含的信息、像素A₃₁包含的信息、像素A₃₂包含的信息、像素A₃₃包含的信息。

为减少池化处理丢失的信息，本申请实施例提供了一种新的池化处理的实现方式。下面结合本申请实施例中的附图对本申请实施例进行描述。

在进行接下来的阐述之前，首先对本申请实施例中出现的数据的尺寸(包括上述图像的尺寸和上述特征图像的尺寸，以及下文将要提及的第一特征数据的尺寸和第二特征数据的尺寸)进行定义。本申请实施例中，数据的通道数大于或等于1，数据的尺寸指每个通道的数据的长*宽。举例来说，图像包含3个维度的数据，其中，每个维度的数据的长*宽均为256*128，则图像的尺寸为256*128。

本申请实施例提供的技术方案中的步骤的执行主体可以是第一终端，其中，第一终端可以是手机、计算机、服务器、平板电脑等。

请参阅图3，图3是本申请实施例(一)提供的一种数据处理方法的流程示意图。

301、获取第一待处理数据。

本申请实施例中，第一待处理数据为需要进行池化处理的数据。第一待处理数据可以是图像，第一待处理数据也可以是文字，第一待处理数据还可以是语音数据。

在一种可能实现的方式中，第一待处理数据为卷积处理后得到的数据。例如，第一待处理数据可以是对图像进行卷积处理得到的特征图像。又例如，第一待处理数据可以是对语音数据进行卷积处理得到的特征向量。

第一终端获取第一待处理数据的方式可以是接收用户通过输入组件输入的第一待处理数据，其中，输入组件包括：键盘、鼠标、触控屏、触控板和音频输入器等。第一终端获取第一待处理数据的方式也可以是接收第二终端发送的第一待处理数据，其中，第二终端包括手机、计算机、平板电脑、服务器等。

302、对上述第一待处理数据进行第一池化处理得到第一特征数据，对上述第一待处理数据进行第二池化处理得到第二特征数据。

本申请实施例中，第一池化处理与第二池化处理不同，具体表现为，对数据进行第一池化处理或第二池化处理，均可达到缩小数据的尺寸的效果，但通过第一池化处理得到的数据包含的信息与通过第二池化处理得到的数据包含的信息不同。

可选的，第一池化处理可以是均值池化处理和最大池化处理中的一种，例如，第一池化处理为均值池化处理，第二池化处理为最大池化处理。又例如，第一池化处理为最大池化处理，第二池化处理为均值池化处理。本申请实施例提供的技术方案中，最大池化处理的实现过程可参见例1，均值池化处理的实现过程可参见例2。

由于通过第一池化处理得到的数据包含的信息与通过第二池化处理得到的数据包含的信息不同，第一特征数据包含的信息与第二特征数据包含的信息不同。

例如，从例1和例2可以看出，最大池化处理得到的数据(下文将称为最大数据)与均值池化处理得到的数据(下文将称为均值数据)不同，即最大数据包含的信息与均值数据包含的信息不同。最大数据包含每个池化处理区域中像素值最大的像素包含的信息。通过计算池化处理区域中的像素值的均值，可实现将池化处理区域中的像素包含的信息融合，得到融合后的信息。因此，均值数据包含将每个池化处理区域的融合后的信息。

在一种可能实现的方式中，在第一池化处理为均值池化处理，第二池化处理为最大池化处理的情况下，通过对第一待处理数据进行均值池化处理，可得到每个池化处理区域的融合后的信息，得到第一特征数据。通过对第一待处理数据进行最大池化处理，可得到每个池化处理区域中像素值最大的像素包含的信息，得到第二特征数据。

303、将上述第一特征数据和上述第二特征数据融合，得到第三特征数据。

由于在对第一待处理数据进行池化处理(包括第一池化处理和第二池化处理)的过程中，均会导致第一待处理数据中的部分信息丢失，且第一特征数据包含的信息与第二特征数据包含的信息不同，通过将第一特征数据与第二特征数据融合，可减少池化处理丢失的信息。

例如，由于最大数据包含的信息与均值数据包含的信息不同，在第一池化处理为均值池化处理，第二池化处理为最大池化处理的情况下，本申请实施例采用将最大数据与均值数据进行融合，可减少池化处理丢失的信息。

在一种可能实现的方式中，第一特征数据的尺寸与第二数据的尺寸相同。将第一特征数据和第二特征数据在通道维度上进行拼接(concatenate)，得到第三特征数据。举例来说，第一特征数据的通道数为3，第二特征数据的通道数为2，则将第一特征数据与第二特征数据拼接获得的第三特征数据的通道数为5。

在另一种可能实现的方式中，第一特征数据的通道数和第二特征数据的通道数相同，且第一特征数据的长与第二特征数据的长相同，或第一特征数据的宽与第一特征数据的宽相同。举例来说，第一特征数据的通道数与第二特征数据的通道数均为n，第一特征数据的尺寸为h*w，第二特征数据的尺寸为k*j，其中，h为第一特征数据的长，w为第一特征数据的宽，k为第二特征数据的长，j为第二特征数据的宽。则h＝k，或w＝j。将第一特征数据和第二特征数据中相同通道数的数据拼接，得到第三特征数据。举例来说，第一特征数据和第二特征数据均包含3个通道的数据，将第一特征数据中第一个通道的数据与第二特征数据中第一个通道的数据拼接得到第三特征数据的第一个通道的数据，将第一特征数据中第二个通道的数据与第二特征数据中第二个通道的数据拼接得到第三特征数据的第二个通道的数据，将第一特征数据中第三个通道的数据与第二特征数据中第三个通道的数据拼接得到第三特征数据的第三个通道的数据。

若第一特征数据的长与第二特征数据的长相同，上述拼接为宽度维度上的拼接。例如，图4所示第一特征数据的长与第二特征数据的长相同，通过将第一特征数据与第二特征数据在宽度维度拼接，得到第三特征数据，其中，第三特征数据的长与第一特征数据的长相同，第三特征数据的宽等于第一特征数据的宽与第二特征数据的宽的和。若第一特征数据的宽与第二特征数据的宽相同，上述拼接为长度维度上的拼接。例如，图5所示第一特征数据的宽与第二特征数据的宽相同，通过将第一特征数据与第二特征数据在长度维度拼接，得到第三特征数据，其中，第三特征数据的长与第一特征数据的宽相同，第三特征数据的长等于第一特征数据的长与第二特征数据的长的和。

在又一种可能实现的方式中，第一特征数据的尺寸与第二特征数据的尺寸相同，通过将第一特征数据与第二特征数据中相同位置的元素(包括：图像中的像素值、向量中的元素值)相加，得到第三特征数据。本申请实施例中，两个数据中相同位置的元素可参见图6，如图6所示，元素A11在图像A中的位置与元素B11在图像B中的位置相同，元素A12在图像A中的位置与元素k在图像B12中的位置相同，元素A13在图像A中的位置与元素B13在图像B中的位置相同，元素A21在图像A中的位置与元素B21在图像B中的位置相同，元素A22在图像A中的位置与元素B22在图像B中的位置相同，元素A23在图像A中的位置与元素B23在图像B中的位置相同，元素A31在图像A中的位置与元素B31在图像B中的位置相同，元素A32在图像A中的位置与元素B32在图像B中的位置相同，元素A33在图像A中的位置与元素B33在图像B中的位置相同。

通过将第一特征数据和第二特征数据融合，可在减小后续对第一待处理数据进行处理时带来的数据处理量的同时，丰富的第三特征数据中的信息，以达到减少池化处理丢失的信息的效果。例如，通过将第一特征数据和第二特征数据在通道维度上进行拼接，可使第三特征数据既包含第一特征数据中的信息，又包含第二特征数据中的信息，但未增大第三特征数据的尺寸。

本实施通过对第一待处理数据进行第一池化处理得到第一特征数据，在缩小第一待处理数据的尺寸的同时，提取第一待处理数据中的信息，得到第一特征数据。对第一待处理数据进行第二池化处理得到第二特征数据，在缩小第一待处理数据的尺寸的同时，提取第一待处理数据中的信息，得到第二特征数据。将第一特征数据和第二特征数据融合，以融合第一特征数据的信息和第二特征数据的信息，得到第三特征数据。进而达到在实现对第一待处理数据的池化处理的同时，减少信息的丢失的效果。

基于实施例(一)提供的新的池化处理的实现方式，本申请实施例还提供了一种获得两个数据之间的差异信息的实现方式。

请参阅图7，图7是本申请实施例(二)提供的另一种数据处理方法的流程示意图。

701、获取第一待处理数据和第二待处理数据。

本实施例中，第二待处理数据可以是图像，第二待处理数据也可以是文字，第二待处理数据还可以是语音数据。第二待处理数据与第一待处理数据为两个不同的数据。

第一终端获取第一待处理数据的方式可参见步骤301，此处将不再赘述。

第一终端获取第二待处理数据的方式可以是接收用户通过输入组件输入的第二待处理数据，其中，输入组件包括：键盘、鼠标、触控屏、触控板和音频输入器等。第一终端获取第二待处理数据的方式也可以是接收第三终端发送的第二待处理数据，其中，第三终端包括手机、计算机、平板电脑、服务器等。第三终端与第二终端可以是同一终端，也可以是不同的终端。

702、对上述第一待处理数据进行第一池化处理得到第一特征数据，对上述第一待处理数据进行第二池化处理得到第二特征数据，对上述第二待处理数据进行第一池化处理得到第四特征数据，对上述第二待处理数据进行第二池化处理得到第五特征数据。

上述第一池化处理的实现过程和上述第二池化处理的实现过程可参见步骤302，此处将不再赘述。

对上述第一待处理数据进行第一池化处理得到第一特征数据的实现过程，以及对上述第一待处理数据进行第二池化处理得到第二特征数据的实现过程可参见步骤302，此处将不再赘述。

通过对第二待处理数据进行第一池化处理，得到第四特征数据。通过对第二待处理数据进行第二池化处理，得到第五特征数据。

在一种可能实现的方式中，在第一池化处理为均值池化处理，第二池化处理为最大池化处理的情况下，通过对第二待处理数据进行均值池化处理，可提取每个池化处理区域的融合后的信息，得到第四特征数据。通过对第二待处理数据进行最大池化处理，可提取每个池化处理区域中像素值最大的像素包含的信息，得到第五特征数据。

703、将上述第一特征数据和上述第二特征数据融合，得到第三特征数据，将上述第四特征数据和上述第五特征数据在通道维度上拼接，得到第六特征数据。

如步骤303所述，通过将第一特征数据和第二特征数据融合，可在减小后续对第一待处理数据进行处理时带来的数据处理量的同时，丰富的第三特征数据中的信息，以达到减少池化处理丢失的信息的效果。

同理，通过将第四特征数据和第五特征数据融合，可在减小后续对第二待处理数据进行处理时带来的数据处理量的同时，丰富的第六特征数据中的信息，以达到减少池化处理丢失的信息的效果。

704、依据上述第三特征数据和上述第六特征数据，得到第七特征数据。

本实施例中，第七特征数据携带第三特征数据和第六特征数据之间的差异信息。也就是说，通过对第三特征数据和第六特征数据进行处理，以提取第三特征数据和第六特征数据之间的差异信息，得到第七特征数据。

在一种得到第七特征数据的可能实现的方式中，计算第三特征数据与第六特征数据的差，可提取第三特征数据与第六特征数据之间的差异信息，得到第七特征数据。举例来说，第三特征数据为向量1：[3，4，20，9]，第六特征数据为向量2：[3，50，18]。向量1包含4个元素，向量2包含3个元素。对向量(包括：上述向量1、上述向量2、下文将提及的向量3、向量4、向量5和向量6)所有元素排序，从左至右依次为：第一个元素、第二个元素、第三个元素、第四个元素。“3”为向量1中的第一个元素，“4”为向量1中的第二个元素，“20”为向量1中的第三个元素，“9”为向量1中的第四个元素。“3”为向量2中的第一个元素，“50”为向量2中的第二个元素，“18”为向量2中的第三个元素。使用向量1减去向量2得到的向量3为：[0，-46，2，9]。假设向量中的第一个元素携带颜色信息，第二个元素携带长度信息，第三个元素携带角度信息，第四个元素携带年龄信息。由向量3可以得出：第三特征数据的颜色信息与第六特征数据的颜色信息相同、第三特征数据的长度信息与第六特征数据的长度信息之间存在差异、第三特征数据的角度信息与第六特征数据的角度信息之间存在差异、第三特征数据的年龄信息与第六特征数据的年龄信息之间存在差异。此外，做差得到的向量中的元素的绝对值越大，表征元素携带的信息的程度越大，如：由向量3中的第二个元素可知：第三特征数据的长度信息与第六特征数据的长度信息之间的差异较大，由向量3中的第三个元素可知：第三特征数据的角度信息与第六特征数据的角度信息之间的差异较小，由向量3中的第四个元素可知：第三特征数据的年龄信息与第六特征数据的年龄信息之间的差异即为第三特征数据的年龄信息。

在另一种得到第七特征数据的可能实现的方式中，计算第三特征数据与第六特征数据的商，也可提取第三特征数据与第六特征数据之间的差异信息，得到第七特征数据。举例来说，第三特征数据为向量4：[3，28，2]，第六特征数据为向量5：[3，4，8]。向量4和向量5均包含3个元素。“3”为向量4中的第一个元素，“28”为向量4中的第二个元素，“2”为向量4中的第三个元素。“3”为向量5中的第一个元素，“4”为向量5中的第二个元素，“8”为向量5中的第三个元素。使用向量5除以向量5得到的向量6为：[1，7，1/4]。假设向量中的第一个元素携带颜色信息，第二个元素携带长度信息，第三个元素携带角度信息。由向量6可以得出：第三特征数据的颜色信息与第六特征数据的颜色信息相同、第三特征数据的长度信息与第六特征数据的长度信息之间存在差异、第三特征数据的角度信息与第六特征数据的角度信息之间存在差异。此外，求商得到的向量中的元素的绝对值可用于表征第三特征数据携带的信息与第六特征数据携带的信息之间的比例。如：由向量6中的第一个元素可知：第三特征数据的颜色信息与第六特征数据的颜色信息相同。又如：由向量6中的第二个元素可知：第三特征数据的长度信息与第六特征数据的长度信息之间的差异较大，且第一待处理数据中的长度为第二待处理数据中的长度的7倍(此处的长度包括：人的身高、眼睛的长度、车身长度)。又如：由向量6中的第三个元素可知：第三特征数据的角度信息与第六特征数据的角度信息之间的差异较大，且第一待处理数据中的角度为第二待处理数据中的角度的1/4(此处的角度包括：视线角度、人脸偏转角、车身偏转角)。

本实施例基于实施例(一)提供的技术方案分别对第一待处理数据和第二待处理数据进行池化处理，得到第三特征数据和第六特征数据。通过确定第三特征数据与第六特征数据的差或通过确定第三特征数据与第六特征数据的商，提取出第三特征数据和第六特征数据之间的差异信息得到第七特征数据。由于第三特征数据和第六特征数据均为基于实施例(一)提供的技术方案获得，因此，基于本实施例提供的技术方案可丰富得到的差异信息。

基于实施例(一)提供的新的池化处理的实现方式，本申请实施例还提供了一种获得两个数据之间的相似信息的实现方式。

请参阅图8，图8为本申请实施例(三)提供的另一种数据处理方法的流程示意图。

801、获取第一待处理数据和第二待处理数据。

本步骤可参见步骤701，此处将不再赘述。

802、对上述第一待处理数据进行均值第一处理得到第一特征数据，对上述第一待处理数据进行第二池化处理得到第二特征数据，对上述第二待处理数据进行第一池化处理得到第四特征数据，对上述第二待处理数据进行第二池化处理得到第五特征数据。

本步骤可参见步骤702，此处将不再赘述。

803、将上述第一特征数据和上述第二特征数据融合，得到第三特征数据，将上述第四特征数据和上述第五特征数据在通道维度上拼接，得到第六特征数据。

本步骤可参见步骤703，此处将不再赘述。

804、依据上述第三特征数据和上述第六特征数据，得到第八特征数据。

本实施例中，第八特征数据携带第三特征数据和所述第六特征数据中的相似度信息。也就是说，通过对第三特征数据和第六特征数据进行处理，以提取第三特征数据和第六特征数据之间的相似度信息，得到第八特征数据。

在一种得到第八特征数据的可能实现的方式中，计算第三特征数据与第六特征数据之间的点积，以提取第三特征数据和第六特征数据之间的相似度信息，得到第八特征数据。将第三特征数据与第六特征数据之间的相似度称为参考相似度，则第八特征数据与参考相似度呈正相关。

在另一种得到第八特征数据的可能实现的方式中，通过计算第三特征数据和第六特征数据之间的瓦瑟斯坦距离(wasserstein metric)，可提取第三特征数据和第六特征数据之间的相似度信息，得到第八特征数据。将第三特征数据与第六特征数据之间的相似度称为参考相似度，则第八特征数据与参考相似度呈负相关。

在另一种可能实现的方式中，通过计算第三特征数据和第六特征数据之间的欧式距离(euclidean)，可提取第三特征数据和第六特征数据之间的相似度信息，得到第八特征数据。将第三特征数据与第六特征数据之间的相似度称为参考相似度，则第八特征数据与参考相似度呈负相关。

在又一种可能实现的方式中，通过计算第三特征数据和第六特征数据之间的JS散度(Jensen–Shannon divergence)，可提取第三特征数据和第六特征数据之间的相似度信息，得到第八特征数据。将第三特征数据与第六特征数据之间的相似度称为参考相似度，则第八特征数据与参考相似度呈负相关。

本实施例基于实施例(一)提供的技术方案分别对第一待处理数据和第二待处理数据进行池化处理，得到第三特征数据和第六特征数据。通过对第三特征数据与第六特征数据进行处理，提取出第三特征数据和第六特征数据之间的相似度信息得到第八特征数据。由于第三特征数据和第六特征数据均为基于实施例(一)提供的技术方案获得，因此，基于本实施例提供的技术方案可丰富相似度信息，进而提高得到的相似度信息的准确率。

由于池化处理得到的数据(如第一特征数据)中携带至少一种信息，如：长度信息、角度信息、程度信息、姿态信息。在一些应用场景中，只需利用其中的长度信息，而不需要利用参考信息(本实施中，参考信息包括：程度信息、角度信息、姿态信息)，例如，第一终端获取到10000张图像，图像中均包含车辆，现需要按车辆的车身长度与车身高度的比值(下文将称为车身比)对所有图像进行分类，如，车身比小于或等于1.3的图像为第一类图像，车身比大于1.3且小于或等于1.5的图像为第二类图像，车身比大于1.5的图像为第三类图像。由于在以车身比为依据对10000张图像进行聚类处理，以实现对10000图像进行分类时，只需利用图像中车辆的车身长度和车身高度，可将图像的特征数据中的参考信息去除，以减少参考信息对聚类处理的影响，并减少图像的特征数据中的信息量，提高处理速度。

基于实施例(一)提供的新的池化处理的实现方式，本申请实施例还提供了一种去除数据中的参考信息，保留数据中的长度信息的方法。

以第三特征数据为例，在一种可能实现的方式中，计算第三特征数据的绝对值，可去除第三特征数据中的参考信息，得到第九特征数据。第三特征数据为向量或矩阵，而向量或矩阵中的元素可以是任意实数，也就是说，元素可以是正数也可以是负数。元素的正负携带参考信息，例如，元素为10时可表征人脸偏转角为10°，元素为-10时可表征人脸偏转角为-10°。又例如，元素为30时，可表征衣服上红色区域的长度为13且红色区域的饱和度为8级，元素为-30时可表征衣服上红色区域的长度为13且红色区域的饱和度为2级。通过计算第三特征数据的绝对值，可去除第三特征数据中的元素的正负，即去除第三特征数据的参考信息，而保留第三特征数据的长度信息。

基于本申请实施例提供的技术方案，本申请实施例还提供了一种可能的应用场景。请参阅图9，图9为申请实施例(四)提供的另一种数据处理方法的流程示意图。

901、获取第一簇和第二簇。

本实施中，簇(包括第一簇和第二簇)为数据集合，且该集合内的数据的类别相同。集合内的数据可以为：图像、语句、语音、向量等。

举例来说，第一簇包含50张人脸图像，第二簇包含40张人脸图像，其中，第一簇中的50张人脸图像中的人物的身份均为A，第二簇中的40张人脸图像中的人物的身份均为B。

第一终端获取第一簇或第二簇的方式可以是接收用户通过输入组件输入的第一簇或第二簇，其中，输入组件包括：键盘、鼠标、触控屏、触控板和音频输入器等。

上述第一簇中的数据的类别相同，上述第二簇中的数据的类别相同。

902、对上述第一簇进行特征提取处理，得到上述第一待处理数据，对上述第二簇进行特征提取处理，得到上述第二待处理数据。

本实施例中，特征提取处理可通过预先训练好的神经网络实现，也可通过特征提取模型实现，本申请对此不作限定。通过特征提取处理得到的第一特征数据和第二特征数据均包含用于识别人脸图像中的人物的身份的信息。

通过对第一簇进行特征提取处理可得到第一簇的特征数据，通过对第一簇进行特征提取处理可得到第二簇的特征数据。第一簇的特征数据包含第一簇中的数据的特征信息，第二簇的特征数据包含第二簇中的数据的特征信息。上述特征信息包括：长度信息、角度信息、颜色信息、姿态信息、程度信息、年龄信息。

为减小后续处理过程中的数据处理量，可对第一簇的特征数据和第二簇的特征数据进行池化处理。可选的，采用实施例(一)提供的技术方案对第一簇的特征数据和第二簇的特征数据进行池化处理，可减小池化处理丢失的信息。因此，可将第一簇的特征数据作为上述第一待处理数据，将第二簇的特征数据作为上述第二待处理数据。

903、基于第一待处理数据得到第三特征数据，基于第二待处理数据得到第六特征数据。

本步骤的实现过程可参见实施例(二)得到第三特征数据和第六特征数据的过程，此处将不再赘述。

904、基于第三特征数据和第六特征数据，合并第一簇和第二簇。

在一种可能实现的方式中，依据实施例(三)提供的技术方案，可得到第三特征数据与第六特征数据之间的相似度信息，进而可依据相似度信息确定是否合并第一簇和第二簇。例如，在第三特征数据与第六特征数据之间的相似度大于或等于85％的情况下，执行合并第一簇和第二簇的操作。若基于实施例(三)得到第八特征数据，且依据第八特征数据确定第三特征数据与第六特征数据之间的相似度为90％，则可执行合并第一簇和第二簇的操作。

假设将第一簇和第二簇合并得到第三簇，由于第三特征数据包含第一簇中的数据的特征信息，第六特征数据包含第二簇中的数据的特征信息，而第一簇和第二簇的一部分，第三特征数据和第六特征数据均只包含第三簇的局部特征信息。可选的，为进一步提高合并第一簇和第二簇的准确率，首先可对第三簇进行特征提取处理，得到第三簇的特征数据，并使用实施例(一)提供的技术方案对第三簇的特征数据进行池化处理，得到第十二特征数据。第十二特征数据包含第三簇中的数据的特征信息，即包含第三簇的全局特征信息。利用实施例(三)提供的技术方案可提取第三特征数据与第十二特征数据之间相似度信息，即得到第一簇与第三簇之间的相似度信息，得到第十三特征数据。同理，可提取第六特征数据与第十二特征数据之间相似度信息，即得到第二簇与第三簇之间的相似度信息，得到第十四特征数据。显然，在第一簇与第二簇之间的相似度高，且第一簇与第三簇之间的相似度高，且第二簇与第三簇之间的相似度高的情况下，执行合并第一簇和第二簇的操作，可提高合并准确率。

在另一种可能实现的方式中，可将实施例(二)得到的第七特征数据与实施例(三)得到的第八特征数据在通道维度上拼接，得到第十特征数据。此时，第十特征数据中既携带第三特征数据与第六特征数据之间的相似度信息，又携带第三特征数据与第六特征数据之间的差异信息，进而可依据相似度信息和差异信息确定是否合并第一簇和第二簇，以提高合并准确率。例如，在第三特征数据与第六特征数据之间的相似度大于或等于85％，且第三特征数据与第六特征数据之间的差异度小于20％的情况下，执行合并第一簇和第二簇的操作。若基于实施例(二)得到第六特征数据，基于实施例(三)得到第八特征数据，且依据第六特征数据确定第三特征数据与第六特征数据之间的差异度为90％，依据第八特征数据确定第三特征数据与第六特征数据之间的相似度为180％，则可执行合并第一簇和第二簇的操作。

如上所述，由于第三特征数据和第六特征数据均只包含第三簇的局部特征信息。可选的，为进一步提高合并第一簇和第二簇的准确率，可利用实施例(二)提供的技术方案可提取第三特征数据与第十二特征数据之间差异信息，即得到第一簇与第三簇之间的差异信息，得到第十五特征数据。同理，可提取第三特征数据与第十二特征数据之间差异信息，即得到第二簇与第三簇之间的差异信息，得到第十六特征数据。显然，在第一簇与第二簇之间的差异度低，且第一簇与第三簇之间的差异度低，且第二簇与第三簇之间的差异度低的情况下，执行合并第一簇和第二簇的操作，可提高合并准确率。

在又一种可能实现的方式中，可通过计算实施例(二)得到的第七特征数据的绝对值，以去除第七特征数据中的参考信息，得到第一簇和第二簇之间的距离。依据第一簇与第二簇之间的距离确定是否执行合并第一簇和第二簇的操作。例如，在第一簇和第二簇之间的距离小于或等于10的情况下，执行合并第一簇和第二簇的操作。若通过计算实施例(二)得到的第七特征数据的绝对值得到第十一特征数据，且依据第十一特征数据确定第一簇与第二簇之间的距离为8，则可执行合并第一簇和第二簇的操作。

可选的，为提高合并第一簇和第二簇的准确率，可将第三特征数据、第六特征数据、第十二特征数据、第七特征数据、第十三特征数据、第十四特征数据、第八特征数据、第十五特征数据、第十六特征数据在通道维度上拼接，得到第十七特征数据。这样，第十七特征数据将携带以下信息：第一簇中的数据的特征信息、第二簇中的数据的特征信息、第三簇中的数据的特征信息、第一簇与第二簇之间的相似度信息、第一簇与第三簇之间的相似度信息、第二簇与第三簇之间的相似度信息、第一簇与第二簇之间的差异信息、第一簇与第三簇之间的差异信息、第二簇与第三簇之间的差异信息。基于第十七特征数据确定是否执行合并第一簇和第二簇时，即可利用第十七特征数据携带的信息，进而提高合并准确率。

依据本申请实施例提供的技术方案分别对第一簇的特征数据和第二簇的特征数据进行池化处理，可减小池化处理丢失的信息，进而可提高合并第一簇和第二簇的准确率。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

上述详细阐述了本申请实施例的方法，下面提供了本申请实施例的装置。

请参阅图10，图10为本申请实施例提供的一种数据处理装置的结构示意图，该装置1包括：获取单元11、池化处理单元12、融合单元13以及处理单元14，其中：

获取单元11，用于获取第一待处理数据；

池化处理单元12，用于对所述第一待处理数据进行第一池化处理得到第一特征数据，对所述第一待处理数据进行第二池化处理得到第二特征数据，其中，所述第一池化处理与所述第二池化处理不同；

融合单元13，用于将所述第一特征数据和所述第二特征数据融合，得到第三特征数据。

结合本申请任一实施方式，所述融合单元13，包括：

结合本申请任一实施方式，其特征在于，

所述获取单元11，还用于获取第二待处理数据，所述第二待处理数据与所述第一待处理数据不同；

所述池化处理单元12，还用于对所述第二待处理数据进行所述第一池化处理得到第四特征数据，对所述第二待处理数据进行所述第二池化处理得到第五特征数据；

所述融合单元13，还用于将所述第四特征数据和所述第五特征数据在通道维度上拼接，得到第六特征数据；

所述装置1还包括：处理单元14，用于依据所述第三特征数据和所述第六特征数据，得到第七特征数据，所述第七特征数据携带所述第三特征数据和所述第六特征数据之间的差异信息。

结合本申请任一实施方式，所述处理单元14，用于：

结合本申请任一实施方式，所述处理单元14，还用于：

结合本申请任一实施方式，所述获取单元11，用于：

在一些实施例中，本申请实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。

图11为本申请实施例提供的一种数据处理装置的硬件结构示意图。该数据处理装置2包括处理器21，存储器22，输入装置23，输出装置24。该处理器21、存储器22、输入装置23和输出装置24通过连接器相耦合，该连接器包括各类接口、传输线或总线等等，本申请实施例对此不作限定。应当理解，本申请的各个实施例中，耦合是指通过特定方式的相互联系，包括直接相连或者通过其他设备间接相连，例如可以通过各类接口、传输线、总线等相连。

处理器可以包括是一个或多个处理器，例如包括一个或多个中央处理器(centralprocessing unit，CPU)，在处理器是一个CPU的情况下，该CPU可以是单核CPU，也可以是多核CPU。可选的，处理器21可以是多个GPU构成的处理器组，多个处理器之间通过一个或多个总线彼此耦合。可选的，该处理器还可以为其他类型的处理器等等，本申请实施例不作限定。

存储器22可用于存储计算机程序指令，以及用于执行本申请方案的程序代码在内的各类计算机程序代码。可选地，存储器包括但不限于是随机存储记忆体(random accessmemory，RAM)、只读存储器(read-only memory，ROM)、可擦除可编程只读存储器(erasableprogrammable read only memory，EPROM)、或便携式只读存储器(compact disc read-only memory，CD-ROM)，该存储器用于相关指令及数据。

输入装置23用于输入数据和/或信号，以及输出装置24用于输出数据和/或信号。输入装置23和输出装置24可以是独立的器件，也可以是一个整体的器件。

可理解，本申请实施例中，存储器22不仅可用于存储相关指令，还可用于存储相关数据，如该存储器22可用于存储通过输入装置23获取的第一待处理数据，又或者该存储器22还可用于存储通过处理器21得到的第三特征数据等等，本申请实施例对于该存储器中具体所存储的数据不作限定。

可以理解的是，图11仅仅示出了数据处理装置的简化设计。在实际应用中，数据处理装置还可以分别包含必要的其他元件，包含但不限于任意数量的输入/输出装置、处理器、存储器等，而所有可以实现本申请实施例的数据处理装置都在本申请的保护范围之内。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。所属领域的技术人员还可以清楚地了解到，本申请各个实施例描述各有侧重，为描述的方便和简洁，相同或类似的部分在不同实施例中可能没有赘述，因此，在某一实施例未描述或未详细描述的部分可以参见其他实施例的记载。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriberline，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，数字通用光盘(digital versatiledisc，DVD))、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：只读存储器(read-only memory，ROM)或随机存储存储器(random access memory，RAM)、磁碟或者光盘等各种可存储程序代码的介质。

Claims

1.一种数据处理方法，其特征在于，所述方法包括：

获取第一待处理数据，所述第一待处理数据为图像的特征数据；

将所述第一特征数据和所述第二特征数据融合，得到第三特征数据；所述将所述第一特征数据和所述第二特征数据融合，得到第三特征数据，包括：将所述第一特征数据和所述第二特征数据在通道维度上拼接，得到所述第三特征数据；

依据所述第三特征数据和所述第六特征数据，得到第七特征数据，所述第七特征数据携带所述第三特征数据和所述第六特征数据之间的差异信息；

所述依据所述第三特征数据和所述第六特征数据，得到第七特征数据，包括：

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：

4.根据权利要求1或2所述的方法，其特征在于，所述获取第一待处理数据和所述第二待处理数据，包括：

5.一种数据处理装置，其特征在于，所述装置包括：

获取单元，用于获取第一待处理数据，所述第一待处理数据为图像的特征数据；

融合单元，用于将所述第一特征数据和所述第二特征数据融合，得到第三特征数据；所述将所述第一特征数据和所述第二特征数据融合，得到第三特征数据，包括：将所述第一特征数据和所述第二特征数据在通道维度上拼接，得到所述第三特征数据；

处理单元，用于依据所述第三特征数据和所述第六特征数据，得到第七特征数据，所述第七特征数据携带所述第三特征数据和所述第六特征数据之间的差异信息；

6.一种电子设备，其特征在于，包括：处理器和存储器，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，当所述处理器执行所述计算机指令时，所述电子设备执行如权利要求1至4中任一项所述的方法。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被电子设备的处理器执行时，使所述处理器执行权利要求1至4中任意一项所述的方法。