The present invention relates to an image processing technique, in particular to a method for optimizing the convolution calculation of a visual image, including: 1, converting all image data in a first storage unit into a matrix form and dividing it into multiple batches, and loading filter template data required for convolution operation into a first storage area; The first batch of image data is written into a single second storage area; the first batch of image data is written into a single second storage area; the first batch of image data is convoluted with the newly written image data and the filter template data, and the next batch of image data is written into the other second storage area by the direct storage access controller; the second batch of image data is written into the other second storage area; the fourth, the first is executed cyclically until Convolution calculation of batch image data can make full use of the time of transmission and operation of image data without adding additional storage space, and has higher efficiency of image convolution operation.
【技术实现步骤摘要】
一种视觉图像的卷积计算优化方法
本专利技术涉及一种图像处理技术,尤其涉及一种视觉图像的卷积计算优化方法。
技术介绍
近些年随着AI(ArtificialIntelligence人工智能,简称AI)技术的发展,越来越多的机器视觉算法被应用到实际应用场景中。在实际应用过程中,由于每次卷积计算读取的数据不连续,导致图像数据的传输和卷积计算是分别进行的,卷积计算需要等待图像数据的传输完成后才能进行,以及图像数据的传输需要卷积计算完成后才能进行,从而大大增加了卷积计算所需时间。
技术实现思路
针对上述问题,本专利技术提出了一种视觉图像的卷积计算优化方法,应用于视觉机器人中的处理单元;其中,所述处理单元分别连接一第一存储单元和一第二存储单元,所述第二存储单元的存取速率大于所述第一存储单元;所述处理单元还通过一直接存储访问控制器与所述第二存储单元连接;所述视觉机器人采集的图像数据预存储在所述第一存储单元中;所述第二存储单元中包括一第一存储区和预设数量的第二存储区;所述卷积计算优化方法包括:步骤S1,将所述第一存储单元中的所有所述图像数据转化为矩阵形式并分成多个批次,并将卷积运算所需的过滤器模板数据加载至所述第一存储区内;步骤S2,将首个批次的所述图像数据写入单个所述第二存储区中;步骤S3,对新写入的所述图像数据和所述过滤器模板数据进行卷积计算,同时通过所述直接存储访问控制器将下一批次的所述图像数据写入其他所述第二存储区中;步骤S4,循环执行所述步骤S3直至完成所有批次的所述图像数据的卷积计算。上述的卷积计算优化方法,其中,所述图像数据的批次数量大于所述预设数量;所述步骤S3 ...
【技术保护点】
1.一种视觉图像的卷积计算优化方法,应用于视觉机器人中的处理单元;其特征在于,所述处理单元分别连接一第一存储单元和一第二存储单元,所述第二存储单元的存取速率大于所述第一存储单元;所述处理单元还通过一直接存储访问控制器与所述第二存储单元连接;所述视觉机器人采集的图像数据预存储在所述第一存储单元中;所述第二存储单元中包括一第一存储区和预设数量的第二存储区;所述卷积计算优化方法包括:步骤S1,将所述第一存储单元中的所有所述图像数据转化为矩阵形式并分成多个批次,并将卷积运算所需的过滤器模板数据加载至所述第一存储区内;步骤S2,将首个批次的所述图像数据写入单个所述第二存储区中;步骤S3,对新写入的所述图像数据和所述过滤器模板数据进行卷积计算,同时通过所述直接存储访问控制器将下一批次的所述图像数据写入其他所述第二存储区中;步骤S4,循环执行所述步骤S3直至完成所有批次的所述图像数据的卷积计算。
【技术特征摘要】
1.一种视觉图像的卷积计算优化方法,应用于视觉机器人中的处理单元;其特征在于,所述处理单元分别连接一第一存储单元和一第二存储单元,所述第二存储单元的存取速率大于所述第一存储单元;所述处理单元还通过一直接存储访问控制器与所述第二存储单元连接;所述视觉机器人采集的图像数据预存储在所述第一存储单元中;所述第二存储单元中包括一第一存储区和预设数量的第二存储区;所述卷积计算优化方法包括:步骤S1,将所述第一存储单元中的所有所述图像数据转化为矩阵形式并分成多个批次,并将卷积运算所需的过滤器模板数据加载至所述第一存储区内;步骤S2,将首个批次的所述图像数据写入单个所述第二存储区中;步骤S3,对新写入的所述图像数据和所述过滤器模板数据进行卷积计算,同时通过所述直接存储访问控制器将下一批次的所述图像数据写入其他所述第二存储区中;步骤S4,循环执行所述步骤S3直至完成所有批次的所述图像数据的卷积计算。2.根据权利要求1所述的卷积计算优化方法,其特征...
【专利技术属性】
技术研发人员:张锐,王海涛,黄明飞,
申请(专利权)人:开放智能机器上海有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。