[發明專利]圖像處理方法、裝置、智能駕駛系統和車載運算平臺

有效

• 申請號: 201811643406.6
• 申請日: 2018-12-29
• 公開（公告）號: CN111383156B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 溫拓樸;程光亮;石建萍
• 申請（專利權）人: 北京市商湯科技開發有限公司
• 主分類號: G06T1/00
• 分類號: G06T1/00;G06T1/20;G06T1/60;G06N3/04
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張子青;劉芳

本發明提供一種圖像處理方法、裝置、智能駕駛系統和車載運算平臺。該方法包括：根據運算單元的定點位寬硬件資源量，將卷積神經網絡使用浮點表示的網絡參數定點化處理，獲取待處理的圖像，控制運算單元根據定點化處理后的網絡參數處理圖像，得到圖像的處理結果。通過對卷積神經網絡的網絡參數進行定點化，采用2的冪次來定點化表示網絡參數，可減少內存占用，提高運算速度。

技術領域

本發明涉及定點化技術，尤其涉及一種圖像處理方法、裝置、智能駕駛系統和車載運算平臺。

背景技術

隨著深度卷積神經網絡技術在計算機視覺識別中的性能提升，卷積神經網絡技術越來越頻繁的被應用到如圖像處理、無人駕駛系統、輔助駕駛系統等產品中。由于卷積神經網絡處理的是圖像數據，卷積神經網絡技術通常應用依賴于高性能的圖形處理器(Graphics Processing Unit，GPU)，且需要巨大的運算量，消耗較大的內存，因此卷積神經網絡技術的應用存在內存資源、硬盤存儲資源以及電量消耗較大的問題。

發明內容

本發明實施例提供一種圖像處理方法、裝置、智能駕駛系統和車載運算平臺。

第一方面，本發明實施例提供一種圖像處理方法，包括：

根據運算單元的定點位寬硬件資源量，將卷積神經網絡使用浮點表示的網絡參數定點化處理，定點化處理后的網絡參數為采用2的冪次表示的值；

獲取待處理的圖像；

控制所述運算單元根據定點化處理后的網絡參數處理所述圖像，得到所述圖像的處理結果。

在第一方面的一種可行的實施方式中，所述定點化處理后的網絡參數為M個2的冪次之和，所述M為大于1的整數。

在第一方面的一種可行的實施方式中，所述M等于2。

在第一方面的一種可行的實施方式中，所述定點化處理后的網絡參數為2的k次冪與2的j次冪之和，所述k和所述j均為整數，所述k大于所述j、且所述k與所述j之差小于預設閾值。

在第一方面的一種可行的實施方式中，所述將卷積神經網絡使用浮點表示的網絡參數定點化處理之后，所述圖像處理方法還包括：

根據所述k與所述j，以及，二進制值映射表，獲取所述定點化處理后的網絡參數對應的二進制值，所述二進制值映射表用于指示不同k與j取值組合對應的二進制值；

存儲所述二進制值。

在第一方面的一種可行的實施方式中，所述控制所述運算單元根據定點化處理后的網絡參數處理所述圖像，包括：

控制所述運算單元根據所述二進制值和所述二進制映射表，確定所述卷積神經網絡的定點化處理后的網絡參數；

根據所述卷積神經網絡的定點化處理后的網絡參數處理所述圖像。

在第一方面的一種可行的實施方式中，所述控制所述運算單元根據定點化處理后的網絡參數處理所述圖像之前，圖像處理方法還包括：

采用訓練數據再次訓練包括定點化處理后的網絡參數的卷積神經網絡，以對定點化處理后的網絡參數進行修正。

在第一方面的一種可行的實施方式中，所述圖像的處理結果包括：對象檢測/跟蹤結果、特征提取結果、分割結果、分類結果中的至少之一。

第二方面，本發明實施例還提供一種圖像處理裝置，用于執行上述第一方面任一可行的實施方式中的圖像處理方法，具有相同或相似的技術效果。

在第二方面的一種可行的實施方式中，圖像處理裝置包括：

參數定點化模塊，用于根據運算單元的定點位寬硬件資源量，將卷積神經網絡使用浮點表示的網絡參數定點化處理，定點化處理后的網絡參數為采用2的冪次表示的值；