[發明專利]一種降采樣電路及降采樣方法

有效

• 申請號: 201810312197.0
• 申請日: 2018-04-09
• 公開（公告）號: CN108616675B
• 公開（公告）日: 2020-09-04
• 發明（設計）人: 汪輝;陳煌;田犁;封松林
• 申請（專利權）人: 中國科學院上海高等研究院
• 主分類號: H04N5/14
• 分類號: H04N5/14;H04N7/01
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 王華英

本發明提供一種資源節約型的降采樣電路和降采樣方法，利用位選信號和行選信號，以及兩個用以暫存的第一寄存器和第二寄存器，可以解決輸入圖像數據流全部緩存的問題。本發明將較大規模的輸入圖像，減小為原圖大小的四分之一，輸出不改變原圖像的整體細節特征；能夠降低輸入圖像的維度，相比于運用中間存儲來保存所有數據流的輸入，本發明只需要兩個寄存器即可，減小了內存的消耗；分發明的降采樣方法提高了計算速度，可在可編程邏輯器件FPGA上實現。所以，本發明有效克服了現有技術中的種種缺點而具高度產業利用價值。

技術領域

本發明涉及圖像數據采樣電路技術領域，特別是涉及一種降采樣電路及降采樣方法。

背景技術

隨著拍攝技術的提升，人們對于高分辨率的圖像有著越來越高的需求，同時伴隨著人工智能的發展，圖像識別的算法也得到了大力的發展。在對高分辨率的圖像進行算法中的一系列計算時，尤其是如今在目標識別領域有很好效果的卷積神經網絡中，減小中間層計算結果的規模是十分重要的一個操作。

在卷積神經網絡中，經常會碰到池化操作，而池化層往往在卷積層后面，通過池化來降低卷積層輸出的特征向量，同時改善過擬合現象。圖像具有一種“靜態性”的屬性，這也就意味著在一個圖像區域有用的特征極有可能在另一個區域同樣適用。因此，為了描述大的圖像，一個很自然的想法就是對不同位置的特征進行聚合統計，例如，人們可以計算圖像一個區域上的某個特定特征的平均值(或最大值)來代表這個區域的特征。

池化操作有兩個顯著的優點：1)通過卷積操作獲得了圖像的特征之后，若直接用該特征去做分類則面臨計算量的挑戰。而池化的結果可以使得特征減少，參數減少；2)池化可以保持圖像的旋轉、平移、伸縮不變性。

一般的池化有三種方式：1)平均值池化，即對鄰域內特征點只求平均，對背景保留更好；2)最大值池化，即對鄰域內特征點取最大，對紋理提取更好；3)隨機值池化，介于兩者之間，通過對像素點按照數值大小賦予概率，再按照概率進行亞采樣。特征提取的誤差主要來自兩個方面：1)鄰域大小受限造成的估計值方差增大；2)卷積層參數誤差造成估計均值的偏移。一般來說，平均值池化能減小第一種誤差，更多的保留圖像的背景信息，最大值池化能減小第二種誤差，更多的保留紋理信息。在平均意義上，與平均值池化近似，在局部意義上，則服從最大值池化的準則。

隨著圖像規模增大，計算量的不斷增大，普通的CPU已經無法在能承受的時間范圍內完成這種大規模的運算，因此利用GPU、FPGA等硬件平臺，對計算進行加速就顯得勢在必行。

降采樣過程在算法上十分簡單易懂，但在硬件電路的實現過程中，由于數據是以數據流的形式輸入該模塊，若設計暫存結構作為中間存儲，可以在存儲完成之后按地址讀出并降采樣，但該方法過于浪費存儲資源。

發明內容

鑒于以上所述現有技術的缺點，本發明的目的在于提供一種降采樣電路及降采樣方法，用于解決現有技術中采樣電路浪費存儲空間、因采樣圖像過大帶來的計算量增加以及難以還原圖像整體細節的問題。