[發(fā)明專(zhuān)利]圖像處理模型的梯度更新方法、裝置及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011064730.X
• 申請(qǐng)日: 2020-09-30
• 公開(kāi)（公告）號(hào): CN111931937B
• 公開(kāi)（公告）日: 2021-01-01
• 發(fā)明（設(shè)計(jì)）人: 王和國(guó);蔣文
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳云天勵(lì)飛技術(shù)股份有限公司
• 主分類(lèi)號(hào): G06T1/00
• 分類(lèi)號(hào): G06T1/00
• 代理公司: 深圳中一聯(lián)合知識(shí)產(chǎn)權(quán)代理有限公司 44414
• 代理人: 李艷麗

1.一種圖像處理模型的梯度更新方法，其特征在于，包括：

調(diào)用DMA控制模塊，根據(jù)圖像處理模型中各個(gè)卷積層的卷積參數(shù)確定與各個(gè)卷積層對(duì)應(yīng)的卷積核和被卷積數(shù)據(jù)，并將所述各個(gè)卷積層對(duì)應(yīng)的所述卷積核和所述被卷積數(shù)據(jù)分別存儲(chǔ)至第一緩存空間和第二緩存空間，其中所述卷積參數(shù)包括圖像特征值、權(quán)重、原始圖像特征值梯度和原始權(quán)重梯度，以及所述卷積核包括針對(duì)所述原始圖像特征值梯度的卷積核和針對(duì)所述原始權(quán)重梯度的卷積核；

基于所述第一緩存空間中的卷積核和所述第二緩存空間中的被卷積數(shù)據(jù)進(jìn)行反向卷積計(jì)算，以更新所述各個(gè)卷積層的所述原始圖像特征值梯度和所述原始權(quán)重梯度。

2.如權(quán)利要求1所述的圖像處理模型的梯度更新方法，其特征在于，所述根據(jù)圖像處理模型中各個(gè)卷積層的卷積參數(shù)確定與各個(gè)卷積層對(duì)應(yīng)的卷積核和被卷積數(shù)據(jù)，包括：

將第一卷積層的原始圖像特征值梯度，確定為針對(duì)所述第一卷積層的原始權(quán)重梯度的卷積核；以及

將與所述第一卷積層的輸入端連接的第二卷積層的圖像特征值，確定為針對(duì)所述第一卷積層的原始權(quán)重梯度的被卷積數(shù)據(jù)。

3.如權(quán)利要求1所述圖像處理模型的梯度更新方法，其特征在于，所述根據(jù)圖像處理模型中各個(gè)卷積層的卷積參數(shù)確定與各個(gè)卷積層對(duì)應(yīng)的卷積核和被卷積數(shù)據(jù)，包括：

基于所述DMA控制模塊，對(duì)第三卷積層的權(quán)重進(jìn)行反轉(zhuǎn)處理；

將經(jīng)反轉(zhuǎn)處理的第三卷積層的權(quán)重，確定為針對(duì)與所述第三卷積層的輸入端連接的第四卷積層的原始圖像特征值梯度的卷積核；以及

將所述第三卷積層的原始圖像特征值梯度，確定為針對(duì)所述第四卷積層的原始圖像特征值梯度的被卷積數(shù)據(jù)。

4.如權(quán)利要求1所述的圖像處理模型的梯度更新方法，其特征在于，所述基于所述第一緩存空間中的卷積核和所述第二緩存空間中的被卷積數(shù)據(jù)進(jìn)行反向卷積計(jì)算，包括：

基于預(yù)設(shè)的針對(duì)卷積核的第一數(shù)據(jù)結(jié)構(gòu)單元，從所述第一緩存空間中依次讀取相應(yīng)的卷積核單元；以及

基于預(yù)設(shè)的針對(duì)被卷積數(shù)據(jù)的第二數(shù)據(jù)結(jié)構(gòu)單元，從所述第二緩存空間依次讀取被卷積數(shù)據(jù)單元；

根據(jù)所依次讀取的所述卷積核單元和所述被卷積數(shù)據(jù)單元，相應(yīng)地依次進(jìn)行乘法運(yùn)算。

5.如權(quán)利要求4所述的圖像處理模型的梯度更新方法，其特征在于，所述第一緩存空間中的存儲(chǔ)數(shù)據(jù)是基于所述第一數(shù)據(jù)結(jié)構(gòu)單元從所述各個(gè)卷積層對(duì)應(yīng)的所述卷積核中讀取而得到的，以及所述第二緩存空間中的存儲(chǔ)數(shù)據(jù)是基于所述第二數(shù)據(jù)結(jié)構(gòu)單元從所述各個(gè)卷積層對(duì)應(yīng)的所述被卷積數(shù)據(jù)中讀取而得到的。

6.如權(quán)利要求1所述的圖像處理模型的梯度更新方法，其特征在于，所述被卷積數(shù)據(jù)包括多個(gè)被卷積數(shù)據(jù)單元，其中所述將所述各個(gè)卷積層對(duì)應(yīng)的所述卷積核和所述被卷積數(shù)據(jù)分別存儲(chǔ)至第一緩存空間和第二緩存空間，包括：

對(duì)所述被卷積數(shù)據(jù)中的多個(gè)被卷積數(shù)據(jù)單元分別進(jìn)行讀取；

針對(duì)各個(gè)所述被卷積數(shù)據(jù)單元，當(dāng)所述被卷積數(shù)據(jù)單元大于針對(duì)所述第二緩存空間的數(shù)據(jù)讀寫(xiě)單元時(shí)，將所述被卷積數(shù)據(jù)單元轉(zhuǎn)換為相應(yīng)的多個(gè)被卷積數(shù)據(jù)單元分段，并通過(guò)移位信息來(lái)連續(xù)存儲(chǔ)所述多個(gè)被卷積數(shù)據(jù)單元分段，其中所述被卷積數(shù)據(jù)單元分段的數(shù)據(jù)大小與所述數(shù)據(jù)讀寫(xiě)單元相匹配。

7.如權(quán)利要求1所述的圖像處理模型的梯度更新方法，其特征在于，所述將所述各個(gè)卷積層對(duì)應(yīng)的所述卷積核和所述被卷積數(shù)據(jù)分別存儲(chǔ)至第一緩存空間和第二緩存空間，包括：

當(dāng)所述卷積核超過(guò)所述第一緩存空間的大小時(shí)，按照所述第一緩存空間的大小將所述卷積核分割成多個(gè)卷積核子數(shù)據(jù)；以及

當(dāng)所述被卷積數(shù)據(jù)超過(guò)所述第二緩存空間的大小時(shí)，按照所述第二緩存空間的大小將所述被卷積數(shù)據(jù)進(jìn)行分割成多個(gè)被卷積子數(shù)據(jù)；

將各個(gè)所述卷積核子數(shù)據(jù)和所述被卷積子數(shù)據(jù)分別依次存儲(chǔ)至所述第一緩存空間和所述第二緩存空間。