[發明專利]圖像識別處理方法和裝置

在審

• 申請號: 201811010061.0
• 申請日: 2018-08-31
• 公開（公告）號: CN110874605A
• 公開（公告）日: 2020-03-10
• 發明（設計）人: 劉敏麗;張楠賡
• 申請（專利權）人: 北京嘉楠捷思信息技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 北京市中倫律師事務所 11410
• 代理人: 楊黎峰;鐘錦舜

1.一種圖像識別處理方法，其特征在于，包括：

獲取原始圖像數據、卷積神經網絡配置參數和卷積神經網絡運算參數，所述原始圖像數據包括M個像素點數據，M為正整數；

由卷積神經網絡運算模塊根據卷積神經網絡配置參數和卷積神經網絡運算參數對所述原始圖像數據進行卷積神經網絡運算，其中，所述卷積神經網絡運算模塊包括N個并行設置的運算組件，每個運算組件包括依次連接的卷積運算單元、批處理運算單元和激活運算單元，所述N個運算組件分別對所述原始圖像數據中的N個像素點數據同時進行卷積運算、批處理運算和激活運算，N為小于或等于M的正整數。

2.根據權利要求1所述的圖像識別處理方法，其特征在于，所述獲取原始圖像數據、卷積神經網絡配置參數和卷積神經網絡運算參數包括：

通過數據傳輸總線獲取原始圖像數據、卷積神經網絡配置參數和卷積神經網絡運算參數。

3.根據權利要求2所述的圖像識別處理方法，其特征在于，所述通過數據傳輸總線獲取原始圖像數據、卷積神經網絡配置參數和卷積神經網絡運算參數包括：

通過先進可擴展接口AXI總線獲取原始圖像數據、卷積神經網絡配置參數和卷積神經網絡運算參數。

4.根據權利要求2所述的圖像識別處理方法，其特征在于，所述獲取原始圖像數據包括通過第一接口獲取原始圖像數據，并將所述原始圖像數據寫入到第一存儲單元中；

所述獲取卷積神經網絡配置參數包括通過第一接口獲取參數配置指令，并將所述參數配置指令發送給參數分發模塊，所述參數配置指令包括所述卷積神經網絡配置參數；

所述獲取卷積神經網絡運算參數包括通過第二接口獲取卷積運算參數、批處理運算參數和激活運算參數，并將所述卷積運算參數和批處理運算參數寫入到第二存儲單元中，將所述激活運算參數發送給參數分發模塊。

5.根據權利要求4所述的圖像識別處理方法，其特征在于，還包括：

運算控制模塊從參數分發模塊獲取所述卷積神經網絡配置參數中的控制類配置參數；

所述運算控制模塊根據所述控制類配置參數控制從第一接口獲取原始圖像數據、從第一接口獲取參數配置指令以及從第二接口獲取卷積運算參數、批處理運算參數和激活運算參數；

所述運算控制模塊將所述卷積神經網絡配置參數中的控制類配置參數發送給卷積神經網絡運算模塊。

6.根據權利要求5所述的圖像識別處理方法，其特征在于，所述卷積神經網絡運算模塊還包括運算控制單元，所述方法還包括：

所述運算控制單元接收所述卷積神經網絡配置參數中的控制類配置參數，所述控制類配置參數包括輸入或者輸出原始圖像尺寸、每層卷積神經網絡的輸入或者輸出通道數目；

所述運算控制單元根據所述控制類配置參數控制從所述第一存儲單元中讀取原始圖像數據，從所述第二存儲單元中讀取卷積運算參數和批處理運算參數，并將所述原始圖像數據、卷積運算參數和批處理運算參數發送給卷積運算單元。

7.根據權利要求6所述的圖像識別處理方法，其特征在于，所述方法還包括：

所述運算控制模塊從所述參數分發模塊獲取所述激活運算參數和所述卷積神經網絡配置參數中的運算類配置參數，所述運算類配置參數包括卷積預算配置參數、卷積內核大小和池化方式；

所述運算控制模塊將所述激活運算參數和所述卷積神經網絡配置參數中的運算類配置參數發送給所述卷積神經網絡運算模塊的運算控制單元；

所述運算控制單元將激活運算參數發送給激活運算單元，以及將所述卷積運算配置參數、所述卷積內核大小發送給卷積運算單元，以及將所述池化方式發送給池化單元；或者，

所述參數分發模塊直接將所述激活運算參數發送給激活運算單元，以及將所述卷積運算配置參數和所述卷積內核大小發送給卷積運算單元，以及將所述池化方式發送給池化單元。