一种图像处理装置以及图像处理方法制造方法及图纸

本发明专利技术实施例公开了一种图像处理装置，包括：存储器、第一缓存器以及第一运算器；存储器存储待处理二维图像的数据序列，数据序列包括多个二维数据点X[j][i][d]，当j为0且i为0时，d从0开始递增，直至递增到d对应的数据范围，再对i进行递增，直至递增到i对应的数据范围，最后对j进行递增，直至递增到j对应的数据范围，得到待处理二维图像的数据序列；第一缓存器从该数据序列中根据预置规则获取多个第一数据点；第一运算器对多个第一数据点进行加权及累加运算，依次得到处理结果。本发明专利技术实施例中还公开一种图像处理方法，可以使得待处理二维图像只读出一次，处理的效率最高，实现的电路构造简单，从而提升方案在处理CNN算法的能效比和性能。

【技术实现步骤摘要】

本专利技术实施例涉及计算机
，具体涉及一种图像处理装置以及图像处理方法。
技术介绍
近年来深度学习算法在语音和图像识别领域取得了非常成功的应用，卷积神经网络(英文全称：ConvolutionalNeuronNetworks，英文缩写：CNN)算法作为深度学习算法的一个特例，在图像识别领域中也取得了巨大的成功。随着CNN算法应用的普及，利用更高效的硬件设备来实现CNN，支持日益增长的应用已成为有着重大商业价值的关键技术。现有技术中，可以通过服务器上的图形处理器(英文全称：GraphicsProcessingUnit，英文缩写：GPU)实现CNN算法。GPU将矢量运算并行化执行，大幅度地缩短计算时间。矢量运算强调单一指令并行操作多条相似数据，形成单指令流多数据流的编程泛型。目前利用GPU来训练CNN，可以充分发挥其数以千计计算核心的高效并行计算能力，在使用海量训练数据的场景下，所耗费的时间大幅缩短，占用的服务器也更少。因此GPU已经成为业界在深度学习模型训练方面的首选解决方案。相对普通的深度学习算法而言，CNN算法是一个更加特殊的神经网络算法，在CNN算法的具体实施中，其卷积处理占计算的主要部分。虽然通过GPU实现CNN算法具有通用性好，灵活性强的优势，但是在日益普及的应用以及部署设备的规模不断壮大，在处理CNN算法的时候需要更好的能效比，更好的性能和更为经济的解决方案。
技术实现思路
r>本专利技术实施例提供了一种图像处理装置以及图像处理方法，可以使得待处理二维图像只读出一次，处理的效率最高，实现的电路构造简单，从而提升方案在处理CNN算法的能效比和性能。有鉴于此，本专利技术第一方面提供了一种图像处理装置，其特征在于，所述图像处理装置包括：存储器、第一缓存器以及第一运算器；所述存储器，用于存储待处理二维图像的数据序列，所述待处理二维图像的数据序列包括多个二维数据点，所述二维数据点表示为X[j][i][d]，其中，X表示所述待处理二维图像的数据序列，j表示所述二维数据点的行坐标，i表示所述二维数据点的列坐标，d为特征维度坐标，j、i与d均为大于等于0的正整数，当所述j为0且所述i为0时，所述d从0开始递增，直至递增到所述d对应的数据范围，得到第一序列，在所述第一序列的基础上对所述i进行递增，直至递增到所述i对应的数据范围，得到第二序列，在所述第二序列的基础上对所述j进行递增，直至递增到所述j对应的数据范围，得到所述待处理二维图像的数据序列；所述第一缓存器，用于从所述待处理二维图像的数据序列中，根据预置规则获取所述待处理二维图像的数据序列中的多个第一数据点；所述第一运算器，用于对提取的所述多个第一数据点进行加权以及累加运算，并依次得到第一图像数据处理结果。结合第一方面，在第一种可能的实现方式中，所述第一缓存器，还用于接收第一可配置窗口的参数，所述参数用于确定所述第一可配置窗口中所提取的所述多个第一数据点的数目以及排列方式。结合第一方面第一种可能实现方式，在第二种可能的实现方式中，所述第一缓存器，还用于根据所述第一可配置窗口的参数，确定所述第一可配置窗口中的第一行缓存，所述第一行缓存用于确定所述第一可配置窗口中的所述多个第一数据点。结合第一方面第二种可能实现方式，在第三种可能的实现方式中，所述第一运算器，具体用于将所述第一可配置窗口所提取的所述多个第一数据点，在同一时刻内并行输入至乘加运算阵列，所述乘加运算阵列用于将所述多个第一数据点对应的数据进行加权以及累加。结合第一方面第二种可能实现方式，在第四种可能的实现方式中，所述第一运算器，具体用于将所述第一可配置窗口所提取的所述多个第一数据点，按照依次延迟一个时间间隔的方式分别输入至乘加运算阵列，所述乘加运算阵列用于将所述多个第一数据点对应的数据进行加权以及累加。结合第一方面以及第一方面的第一至第四种可能实现方式中任一项，在第五种可能的实现方式中，所述装置还包括第二缓存器以及第二运算器；所述第二缓存器，用于从所述待处理二维图像的数据序列中，根据所述第一图像数据处理结果获取所述待处理二维图像的数据序列中的多个第二数据点；所述第二运算器，用于对提取的所述多个第二数据点进行加权以及累加运算，并依次得到第二图像数据处理结果。结合第一方面第五种可能实现方式，在第六种可能的实现方式中，所述第二缓存器，还用于接收第二可配置窗口的参数，所述参数用于确定所述第二可配置窗口中所提取的所述多个第二数据点的数目以及排列方式；所述第二缓存器，还用于配置所述第一可配置窗口与所述第二可配置窗口之间的第二行缓存，所述第二行缓存用于确定所述第一可配置窗口的所述多个第一数据点与所述第二可配置窗口的所述多个第二数据点。结合第一方面，在第七种可能的实现方式中，所述存储器还用于存储待处理三维内容数据的数据序列，所述待处理三维内容数据的数据序列包括多个三维数据点，所述三维数据点表示为Y[k][j][i][d]，其中，Y表示所述待处理三维内容数据的数据序列，k表示所述三维数据点的帧坐标，j表示所述三维数据点的行坐标，i表示所述三维数据点的列坐标，d为特征维度坐标，k、j、i与d均为大于等于0的正整数，当所述j为0，所述i为0且所述k为0时，所述d从0开始递增，直至递增到所述d对应的数据范围，得到第三序列，在所述第三序列的基础上对所述i进行递增，直至递增到所述i对应的数据范围，得到第四序列，在所述第四序列的基础上对所述i进行递增，直至递增到所述i对应的数据范围，得到第五序列，在所述第五序列的基础上对所述k进行递增，直至递增到所述k对应的数据范围，得到所述待处理三维内容数据的数据序列。结合第一方面，在第八种可能的实现方式中，所述存储器还用于存储待处理一维图像的数据序列，所述待处理一维图像的数据序列包括多个一维数据点，所述一维数据点表示为Z[i][d]，其中，Z表示所述待处理一维图像的数据序列，i表示所述一维数据点的列坐标，d为特征维度坐标，i与d均为大于等于0的正整数，当所述i为0时，所述d从0开始递增，直至递增到所述d对应的数据范围，得到第六序列，在所述第六序列的基础上对所述i进行递增，直至递增到所述i对应的数据范围，得到所述待处理一维图像的数据序列。本专利技术第二方面提供了一种图像处理的方法，其特征在于，包括：存储待处理二维图像的数据序列，所述待处理二维图像的数据序列包括多个二维数本文档来自技高网...

【技术保护点】
一种图像处理装置，其特征在于，所述图像处理装置包括：存储器、第一缓存器以及第一运算器；所述存储器，用于存储待处理二维图像的数据序列，所述待处理二维图像的数据序列包括多个二维数据点，所述二维数据点表示为X[j][i][d]，其中，X表示所述待处理二维图像的数据序列，j表示所述二维数据点的行坐标，i表示所述二维数据点的列坐标，d为特征维度坐标，j、i与d均为大于等于0的正整数，当所述j为0且所述i为0时，所述d从0开始递增，直至递增到所述d对应的数据范围，得到第一序列，在所述第一序列的基础上对所述i进行递增，直至递增到所述i对应的数据范围，得到第二序列，在所述第二序列的基础上对所述j进行递增，直至递增到所述j对应的数据范围，得到所述待处理二维图像的数据序列；所述第一缓存器，用于从所述待处理二维图像的数据序列中，根据预置规则获取所述待处理二维图像的数据序列中的多个第一数据点；所述第一运算器，用于对提取的所述多个第一数据点进行加权以及累加运算，并依次得到第一图像数据处理结果。

【技术特征摘要】
1.一种图像处理装置，其特征在于，所述图像处理装置包括：存储器、
第一缓存器以及第一运算器；
所述存储器，用于存储待处理二维图像的数据序列，所述待处理二维图
像的数据序列包括多个二维数据点，所述二维数据点表示为X[j][i][d]，其中，
X表示所述待处理二维图像的数据序列，j表示所述二维数据点的行坐标，i
表示所述二维数据点的列坐标，d为特征维度坐标，j、i与d均为大于等于0
的正整数，当所述j为0且所述i为0时，所述d从0开始递增，直至递增到
所述d对应的数据范围，得到第一序列，在所述第一序列的基础上对所述i
进行递增，直至递增到所述i对应的数据范围，得到第二序列，在所述第二序
列的基础上对所述j进行递增，直至递增到所述j对应的数据范围，得到所述
待处理二维图像的数据序列；
所述第一缓存器，用于从所述待处理二维图像的数据序列中，根据预置
规则获取所述待处理二维图像的数据序列中的多个第一数据点；
所述第一运算器，用于对提取的所述多个第一数据点进行加权以及累加
运算，并依次得到第一图像数据处理结果。
2.根据权利要求1所述的装置，其特征在于，
所述第一缓存器，还用于接收第一可配置窗口的参数，所述参数用于确
定所述第一可配置窗口中所提取的所述多个第一数据点的数目以及排列方
式。
3.根据权利要求2所述的装置，其特征在于，
所述第一缓存器，还用于根据所述第一可配置窗口的参数，确定所述第
一可配置窗口中的第一行缓存，所述第一行缓存用于确定所述第一可配置窗
口中的所述多个第一数据点。
4.根据权利要求3所述的装置，其特征在于，
所述第一运算器，具体用于将所述第一可配置窗口所提取的所述多个第
一数据点，在同一时刻内并行输入至乘加运算阵列，所述乘加运算阵列用于
将所述多个第一数据点对应的数据进行加权以及累加。
5.根据权利要求3所述的装置，其特征在于，
所述第一运算器，具体用于将所述第一可配置窗口所提取的所述多个第

\t一数据点，按照依次延迟一个时间间隔的方式分别输入至乘加运算阵列，所
述乘加运算阵列用于将所述多个第一数据点对应的数据进行加权以及累加。
6.根据权利要求1至5中任一项所述的装置，其特征在于，所述装置还
包括第二缓存器以及第二运算器；
所述第二缓存器，用于从所述待处理二维图像的数据序列中，根据所述
第一图像数据处理结果获取所述待处理二维图像的数据序列中的多个第二数
据点；
所述第二运算器，用于对提取的所述多个第二数据点进行加权以及累加
运算，并依次得到第二图像数据处理结果。
7.根据权利要求6所述的装置，其特征在于，
所述第二缓存器，还用于接收第二可配置窗口的参数，所述参数用于确
定所述第二可配置窗口中所提取的所述多个第二数据点的数目以及排列方
式；
所述第二缓存器，还用于配置所述第一可配置窗口与所述第二可配置窗
口之间的第二行缓存，所述第二行缓存用于确定所述第一可配置窗口的所述
多个第一数据点与所述第二可配置窗口的所述多个第二数据点。
8.根据权利要求1所述的装置，其特征在于，
所述存储器还用于存储待处理三维内容数据的数据序列，所述待处理三
维内容数据的数据序列包括多个三维数据点，所述三维数据点表示为
Y[k][j][i][d]，其中，Y表示所述待处理三维内容数据的数据序列，k表示所述
三维数据点的帧坐标，j表示所述三维数据点的行坐标，i表示所述三维数据
点的列坐标，d为特征维度坐标，k、j、i与d均为大于等于0的正整数，当
所述j为0，所述i为0且所述k为0时，所述d从0开始递增，直至递增到
所述d对应的数据范围，得到第三序列，在所述第三序列的基础上对所述i
进行递增，直至递增到所述i对应的数据范围，得到第四序列，在所述第四序
列的基础上对所述i进行递增，直至递增到所述i对应的数据范围，得到第五
序列，在所述第五序列的基础上对所述k进行递增，直至递增到所述k对应
的数据范围，得到所述待处理三维内容数据的数据序列。
9.根据权利要求1所述的装置，其特征在于，
所述存储器还用于存储待处理一维图像的数据序列，所述待处理一维图
像的数据序列包括多个一维数据点，所述一维数据点表示为Z[i][d]，其中，Z
表示所述待处理一维图像的数据序列，i表示所述一维数据点的列坐标，d为
特征维度坐标，i与d均为大于等于0的正整数，当所述i为0时，所述d从
0开始递增，直至递增到所述d对应的数据范围，得到第六序列，在所述第六
序列的基础上对所述i进行递增，直至递增到所述i对应的数据范围，得到所
述待处理一维图像的数据序列。
10.一种图像处理的方法，其特征在于，包括：
存储待处理二维图像的数据序列，所述待处理二维图像的数据序列包...

【专利技术属性】
技术研发人员：费旭东，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44