图像处理方法、装置和电子设备制造方法及图纸

本发明专利技术实施例公开了一种图像处理方法、装置和电子设备，其中，方法包括：响应于接收到待处理图像，处理器获取所述待处理图像的形状；处理器对该处理器的加速器中卷积神经网络的结构进行调整，将所述卷积神经网络配置为与所述待处理图像的形状相匹配的新结构；加速器基于所述新结构的卷积神经网络对所述待处理图像进行处理。本发明专利技术实施例实现了对待处理图像的快速处理，并且由于处理过程中不对待处理图像进行分割，因此，不会出现图像结果的误差问题；采用本发明专利技术所述的方法和装置实现了快速无误差的图像处理。

【技术实现步骤摘要】

本专利技术涉及图像处理技术，尤其是一种图像处理方法、装置和电子设备。
技术介绍
卷积神经网络(ConvolutionalNeuralNetwork，CNN)是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现。在卷积神经网络对图像进行处理的过程中，为提高速度需要CPU控制加速器进行加速。然而，在实现本专利技术的过程中，专利技术人发现，待处理图像与加速器中的处理单元的结构往往不匹配，处理单元对待处理图像进行处理时，先对图像进行分割，由于分割后的各图像之间存在相关性，对分割后的各图像分别处理后，还需要将各图像的处理结果进行综合处理才能得到完整结果，这就需要在各图像的处理结果之间进行数据交互，导致计算速度慢。因此，现有技术至少存在以下问题：因为待处理图像的与加速器结构不匹配，导致图像的处理速度慢。
技术实现思路
本专利技术实施例所要解决的一个技术问题是：提供一种图像处理方法、装置和电子设备，使卷积神经网络中的图像处理速度加快。本专利技术实施例提供的一种图像处理方法，包括：响应于接收到待处理图像，处理器获取所述待处理图像的形状；处理器对该处理器的加速器中卷积神经网络的结构进行调整，将所述卷积神经网络配置为与所述待处理图像的形状相匹配的新结构；加速器基于所述新结构的卷积神经网络对所述待处理图像进行处理。基于上述方法的另一实施例中，所述卷积神经网络为二维结构，所述待处理图像为二维图像。基于上述方法的另一实施例中，所述卷积神经网络被划分为多个计算单元块，所述多个计算单元块之间全连接；所述多个计算单元块中的每个计算单元块分别包括一个以上数量相同的计算单元。基于上述方法的另一实施例中，对卷积神经网络的结构进行调整，将所述卷积神经网络配置为与所述待处理图像的形状相匹配的新结构包括：调整所述多个计算单元块之间的排列结构，使多个计算单元块构成的新结构与待处理图像的结构相匹配。基于上述方法的另一实施例中，加速器基于所述新结构的卷积神经网络对所述待处理图像进行处理包括：识别构成新结构的多个计算单元块的大小与所述待处理图像的大小是否相同；若新结构的多个计算单元块的大小与所述待处理图像的大小相同，分别通过新结构的多个计算单元块对所述待处理图像中的对应单元进行计算处理；所述待处理图像包括多个单元。基于上述方法的另一实施例中，所述方法还包括：若新结构的多个计算单元块的大小大于所述待处理图像的大小，根据所述待处理图像的形状，从新结构的多个计算单元块中选择部分数量、结构与所述待处理图像的形状相匹配的部分计算单元块；分别通过选择的部分计算单元块对所述待处理图像中的对应单元进行计算处理。基于上述方法的另一实施例中，所述新结构的多个计算单元块包括部分数量的所述部分计算单元块和剩余数量的剩余计算单元块；所述方法还包括：响应于还接收到其他待处理图像，利用所述剩余数量的剩余计算单元块对接收到的其他待处理图像进行处理。基于上述方法的另一实施例中，利用所述剩余计算单元块对接收到的其他待处理图像进行处理包括：以所述其他待处理图像作为所述待处理图像，以所述剩余计算单元块作为所述卷积神经网络，开始执行所述处理器获取所述待处理图像的形状的操作。根据本专利技术实施例的另一个方面，提供的一种处理图像装置，包括加速器，所述加速器中存储有卷积神经网络；所述装置还包括：接收单元，用于接收待处理图像；获取单元，用于获取所述待处理图像的形状；处理单元，用于对所述卷积神经网络的结构进行调整，将所述卷积神经网络配置为与所述待处理图像的形状相匹配的新结构；所述加速器，用于基于所述新结构的卷积神经网络对所述待处理图像进行处理。根据本专利技术实施例的另一个方面，提供的一种电子设备，包括处理器，所述处理器包括如上所述的图像处理装置。基于本专利技术上述实施例提供的图像处理方法和装置，在接收到待处理图像的处理请求时，对处理器的加速器中卷积神经网络的结构进行调整，将所述卷积神经网络配置为与所述待处理图像的形状相匹配的新结构，再进行图像处理，解决了由于图像与卷积神经网络结构不匹配造成的问题，实现了对待处理图像的快速处理，并且由于处理过程中不对待处理图像进行分割，因此，不会出现图像结果的误差问题；采用本专利技术所述的方法和装置实现了快速无误差的图像处理。下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。附图说明构成说明书的一部分的附图描述了本专利技术的实施例，并且连同描述一起用于解释本专利技术的原理。参照附图，根据下面的详细描述，可以更加清楚地理解本专利技术，其中：图1为本专利技术图像处理方法一个实施例的流程图。图2a～2c为全连接结构和全连接变形结构示意图。图3为本专利技术图像处理方法另一实施例的流程图。图4为本专利技术图像处理方法另一实施例的具体示例流程图。图5为本专利技术图像处理方法另一实施例的另一具体示例流程图。图6为本专利技术图像处理装置一个实施例的结构示意图。图7为本专利技术图像处理装置另一个实施例的结构示意图。具体实施方式现在将参照附图来详细描述本专利技术的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本专利技术的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本专利技术及其应用或使用的任何限制。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。本专利技术实施例可以应用于计算机系统/服务器，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与计算机系统/服务器一起使用的众所周知的计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。计算机系统/服务器可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。图1为本专利技术图像处理方法一个实施例的流程图。如图1所示，该实施例方法包括：S101，响应于接收到待处理图像，处理器获取该待处理图像的形状；S102，处理器对该处理器的加速器中卷积神经网络(CNN)的结构进行调整，将卷积神经网络配置为与该待处理图像的形状相匹配的新结构；S103，加速器基于该新结构的卷积神经网络对该待处理图像进行处理。基于本专利技术上述实施例提供的图像处理方法，在接收到待处理图像的处理请求时，对处理器的加速器中卷积神经网络的结构进行调整，将卷积神经网络配置为与待处理图像的形状相匹本文档来自技高网...

【技术保护点】
一种图像处理方法，其特征在于，包括：响应于接收到待处理图像，处理器获取所述待处理图像的形状；处理器对该处理器的加速器中卷积神经网络的结构进行调整，将所述卷积神经网络配置为与所述待处理图像的形状相匹配的新结构；加速器基于所述新结构的卷积神经网络对所述待处理图像进行处理。

【技术特征摘要】
1.一种图像处理方法，其特征在于，包括：响应于接收到待处理图像，处理器获取所述待处理图像的形状；处理器对该处理器的加速器中卷积神经网络的结构进行调整，将所述卷积神经网络配置为与所述待处理图像的形状相匹配的新结构；加速器基于所述新结构的卷积神经网络对所述待处理图像进行处理。2.根据权利要求1所述的方法，其特征在于，所述卷积神经网络为二维结构，所述待处理图像为二维图像。3.根据权利要求1或2所述的方法，其特征在于，所述卷积神经网络被划分为多个计算单元块，所述多个计算单元块之间全连接；所述多个计算单元块中的每个计算单元块分别包括一个以上数量相同的计算单元。4.根据权利要求3所述的方法，其特征在于，对卷积神经网络的结构进行调整，将所述卷积神经网络配置为与所述待处理图像的形状相匹配的新结构包括：调整所述多个计算单元块之间的排列结构，使多个计算单元块构成的新结构与待处理图像的结构相匹配。5.根据权利要求1-4任意一项所述的方法，其特征在于，加速器基于所述新结构的卷积神经网络对所述待处理图像进行处理包括：识别构成新结构的多个计算单元块的大小与所述待处理图像的大小是否相同；若新结构的多个计算单元块的大小与所述待处理图像的大小相同，分别通过新结构的多个计算单元块对所述待处理图像中的对应单元进行计算处理；所述待处理图像包括多个单元。6.根据权利要求5所述的方法，其特征在...

【专利技术属性】
技术研发人员：杨存永，
申请(专利权)人：北京比特大陆科技有限公司，
类型：发明
国别省市：北京;11