[發(fā)明專利]一種圖像處理裝置及方法

有效

• 申請?zhí)枺?/td>: 201711432333.1
• 申請日: 2017-12-26
• 公開（公告）號: CN108074211B
• 公開（公告）日: 2021-03-16
• 發(fā)明（設計）人: 陸金剛;方偉
• 申請（專利權）人: 浙江芯昇電子技術有限公司
• 主分類號: G06T1/20
• 分類號: G06T1/20;G06T1/60
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 黃志華

1.一種圖像處理裝置，其特征在于，所述裝置包括：Eltwise層計算模塊，卷積神經網(wǎng)絡CNN通用層計算模塊和內部緩存模塊，所述CNN通用層計算模塊分別與所述Eltwise層計算模塊及所述內部緩存模塊連接；其中，

所述CNN通用層計算模塊，用于在外部存儲器中讀取待計算的分支圖像數(shù)據(jù)，對所述分支圖像數(shù)據(jù)進行CNN計算，確定第一計算結果，根據(jù)所述分支圖像數(shù)據(jù)中包含的分支標識信息，判斷所述分支圖像數(shù)據(jù)是否為第一分支數(shù)據(jù)；如果是，采用所述第一計算結果對所述內部緩存模塊中緩存的數(shù)據(jù)進行更新；如果否，則將所述第一計算結果發(fā)送給所述Eltwise層計算模塊；

所述Eltwise層計算模塊與所述內部緩存模塊連接，用于根據(jù)讀取到的所述內部緩存模塊中緩存的數(shù)據(jù)，和所述第一計算結果，進行Eltwise計算，確定第二計算結果。

2.如權利要求1所述的裝置，其特征在于，所述CNN通用層計算模塊，具體用于進行以下至少一種CNN計算：卷積計算、池化計算、Batch Normalization計算、SCALE計算和ReLU計算。

3.如權利要求1或2所述的裝置，其特征在于，所述Eltwise層計算模塊，還用于根據(jù)所述第一計算結果對應的分支圖像數(shù)據(jù)的分支標識信息，判斷所述分支圖像數(shù)據(jù)是否為最后一個分支數(shù)據(jù)，如果否，則采用所述第二計算結果對所述內部緩存模塊中緩存的數(shù)據(jù)進行更新；如果是，則將所述第二計算結果輸出到所述外部存儲器中。

4.如權利要求1或2所述的裝置，其特征在于，所述CNN通用層計算模塊，具體用于在所述外部存儲器中讀取待計算的分支圖像數(shù)據(jù)的數(shù)據(jù)塊，對所述分支圖像數(shù)據(jù)的數(shù)據(jù)塊進行CNN計算。

5.如權利要求4所述的裝置，其特征在于，所述CNN通用層計算模塊，具體用于讀取寬度為B_W且高度為B_H的數(shù)據(jù)塊，或讀取寬度為D_W且高度為D_H的數(shù)據(jù)塊，其中所述B_W為所述內部緩存模塊的容量寬度，B_H為所述內部緩存模塊的容量高度，D_W＝(B_W–1)*Stride_W+Kernel_W，D_H＝(B_H–1)*Stride_H+Kernel_H，Kernel_W為卷積核的橫向尺寸，Kernel_H為卷積核的縱向尺寸，Stride_W為卷積核跨度的橫向尺寸，Stride_H為卷積核跨度的縱向尺寸。

6.一種圖像處理方法，其特征在于，所述方法包括：

在外部存儲器中讀取待計算的分支圖像數(shù)據(jù)，對所述分支圖像數(shù)據(jù)進行卷積神經網(wǎng)絡CNN計算，確定第一計算結果，根據(jù)所述分支圖像數(shù)據(jù)中包含的分支標識信息，判斷所述分支圖像數(shù)據(jù)是否為第一分支數(shù)據(jù)；如果是，采用所述第一計算結果對內部緩存的數(shù)據(jù)進行更新；

如果否，根據(jù)讀取到的所述內部緩存的數(shù)據(jù)，和所述第一計算結果，進行Eltwise計算，確定第二計算結果。

7.如權利要求6所述的方法，其特征在于，所述對所述分支圖像數(shù)據(jù)進行CNN計算包括以下至少一種CNN計算：

卷積計算、池化計算、Batch Normalization計算、SCALE計算和ReLU計算。

8.如權利要求6或7所述的方法，其特征在于，所述確定第二計算結果后，所述方法還包括：

根據(jù)所述第一計算結果對應的分支圖像數(shù)據(jù)的分支標識信息，判斷所述分支圖像數(shù)據(jù)是否為最后一個分支數(shù)據(jù)；

如果否，則采用所述第二計算結果對所述內部緩存的數(shù)據(jù)進行更新；

如果是，則將所述第二計算結果輸出到所述外部存儲器中。

9.如權利要求6或7所述的方法，其特征在于，所述讀取待計算的分支圖像數(shù)據(jù)包括：

讀取待計算的分支圖像數(shù)據(jù)的數(shù)據(jù)塊；

所述對所述分支圖像數(shù)據(jù)進行CNN計算包括：

對所述分支圖像數(shù)據(jù)的數(shù)據(jù)塊進行CNN計算。

10.如權利要求9所述的方法，其特征在于，所述讀取待計算的分支圖像數(shù)據(jù)的數(shù)據(jù)塊包括：

讀取寬度為B_W且高度為B_H的數(shù)據(jù)塊，或讀取寬度為D_W且高度為D_H的數(shù)據(jù)塊，其中所述B_W為內部緩存模塊的容量寬度，B_H為所述內部緩存模塊的容量高度，D_W＝(B_W–1)*Stride_W+Kernel_W，D_H＝(B_H–1)*Stride_H+Kernel_H，Kernel_W為卷積核的橫向尺寸，Kernel_H為卷積核的縱向尺寸，Stride_W為卷積核跨度的橫向尺寸，Stride_H為卷積核跨度的縱向尺寸。