[發明專利]邊界卷積計算方法、裝置、計算機設備及可讀存儲介質

在審

• 申請號: 202011097227.4
• 申請日: 2020-10-14
• 公開（公告）號: CN112231627A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 陶為;王中風;王丹陽;毛文東
• 申請（專利權）人: 南京風興科技有限公司
• 主分類號: G06F17/15
• 分類號: G06F17/15;G06T1/00
• 代理公司: 北京弘權知識產權代理事務所(普通合伙) 11363
• 代理人: 逯長明;許偉群

本申請公開了邊界卷積計算方法、裝置、計算機設備及可讀存儲介質，該方法包括加載當前圖像，若當前圖像是整個圖像的第一部分圖像，則針對當前圖像執行卷積計算，并將當前圖像中的邊界元素存儲至內部存儲模塊；若不是，則取出內部存儲模塊中存儲的目標鄰近圖像的邊界元素，將目標鄰近圖像的邊界元素按位置大小合并至當前圖像中，針對得到的合并圖像執行卷積計算，并將合并圖像中的邊界元素存儲至內部存儲模塊，其中，目標鄰近圖像為與當前圖像相鄰的圖像，目標鄰近圖像與當前圖像之間不存在重復的元素。上述方法對邊界元素進行暫存，當需要進行卷積計算時再取出，不會導致整個圖像卷積計算總次數的增加，有效提高卷積計算效率。

技術領域

本申請涉及卷積神經網絡技術領域，尤其涉及一種邊界卷積計算方法、裝置、計算機設備及可讀存儲介質。

背景技術

對圖像進行卷積運算時，通常會令卷積核矩陣在圖像上滑動，同時求取卷積核矩陣與圖像中對應元素的相乘累加結果。實際計算時，由于執行卷積計算的硬件加速器尺寸有限，無法一次性完成整個圖像的計算，通常一次僅針對部分圖像執行卷積計算，計算完畢后加載下一部分圖像再執行卷積計算，在整個圖像的卷積計算過程中，需逐行逐列的加載固定大小的圖像。

通常，位于圖像邊界處的元素并不能被卷積操作到，原因在于邊界的元素沒有完全跟卷積核重疊。參見圖1，若卷積核的大小為3×3(圖中灰色部分)，硬件加速器一次能夠針對8×8大小的圖像執行卷積計算，首次計算時，硬件加速器會加載出第1-8行及第1-8列的圖像，卷積核按照每次一步從左到右在圖像中進行滑動，每次覆蓋圖像中3行3列的元素，當滑到第6、7、8列時，便不會繼續向右滑動。針對下一部分圖像(第9-16行及第9至16列)進行卷積計算時，卷積核一開始便覆蓋圖像中的第9、10、11列，這種情況下，圖像第7、8、9列及圖像第8、9、10列并未被執行卷積操作。

為了解決這一問題，通常會在執行第二次卷積計算時，加載圖像中第7-14列的元素進行計算。這種邊界卷積的方法采用了重復加載的方式，將導致原本應該加載的第15及16列被第7及8列占據，增加了執行卷積計算的總次數，極大的降低了計算效率。

發明內容

為了解決利用重復加載的方式進行邊界卷積計算，將導致增加計算的總次數，降低計算效率的問題，本申請通過以下實施例公開了邊界卷積計算方法、裝置、計算機設備及可讀存儲介質。

本申請第一方面公開了一種邊界卷積計算方法，包括：

加載當前圖像；

判斷所述當前圖像是否為整個圖像的第一部分圖像；

若是，則針對所述當前圖像執行卷積計算，并將所述當前圖像中的邊界元素存儲至內部存儲模塊；

若不是，則取出所述內部存儲模塊中存儲的目標鄰近圖像的邊界元素，將所述目標鄰近圖像的邊界元素按位置大小合并至所述當前圖像中，針對得到的合并圖像執行卷積計算，并將所述合并圖像中的邊界元素存儲至內部存儲模塊，其中，所述目標鄰近圖像為與所述當前圖像相鄰的圖像，所述目標鄰近圖像與所述當前圖像之間不存在重復的元素。

可選的，在加載當前圖像之前，所述方法還包括：

根據卷積核的尺寸，獲取所述邊界元素在每一部分圖像中所處的位置，其中，若所述卷積核的尺寸為n×n，則所述邊界元素在所述每一部分圖像中所處的位置為倒數n-1行和/或倒數n-1列。

可選的，所述目標鄰近圖像包括行鄰近圖像和/或列鄰近圖像，其中，所述行鄰近圖像位于所述當前圖像同一列的前一行，所述列鄰近圖像位于所述當前圖像同一行的前一列。

可選的，所述將所述目標鄰近圖像的邊界元素按位置大小合并至所述當前圖像中，包括：

若所述目標鄰近圖像僅包括行鄰近圖像，則將所述目標鄰近圖像中倒數n-1行的元素添加到所述當前圖像的首行之前；