基于数据流架构的图像缩放装置、方法、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种基于数据流架构的图像缩放装置、方法、设备及存储介质。该装置包括：第一可编程地址生成模块、第二可编程地址生成模块、第一片上缓存模块、第二片上缓存模块以及计算模块。通过使用第二片上缓存模块预先缓存离线计算得到的所需的插值系数，再通过两个可编程地址生成模块根据各自的配置，基于图像缩放算法顺序依次产生两个片上缓存模块的读地址，从而可以直接从第一片上缓存模块和第二片上缓存模块中依次分别读取到对应的目标特征数据和目标插值系数，并输出给计算模块计算得到输出特征图的各个特征数据。避免了实时计算插值系数的过程，简化了AI芯片实现图像缩放操作的过程，从而降低了对AI芯片性能和功耗的影响。功耗的影响。功耗的影响。

【技术实现步骤摘要】
基于数据流架构的图像缩放装置、方法、设备及存储介质


[0001]本专利技术实施例涉及数据处理
，尤其涉及一种基于数据流架构的图像缩放装置、方法、设备及存储介质。

技术介绍

[0002]随着深度学习的快速发展，神经网络算法已经大量应用于机器视觉应用，例如图像识别与图像分类等。针对神经网络算法复杂、计算量大以及推理运行时间过长等问题，AI芯片进行了定制化的设计来对神经网络算法的运行进行加速。图像缩放(resize)操作是神经网络算法中的一种常用操作，其对特征图进行缩放，将特征图缩放至指定的大小。常用的图像缩放方法有双线性插值(bilinear)和最邻近插值(Nearest Neighbor，NN)等等。其中，现有的应用双线性插值方法的缩放过程为：将输出特征图的边界点与输入特征图的边界点重叠，然后将输出特征图的其余所有点等间隔的放在边界点确定的区域内，这样每个输入特征图的每两个点之间都按照缩放比例因子等间距的插入了一些输出点，输出特征图每个点的大小只与输入特征图上与其相邻的四个输入特征点相关，再计算相关的插值系数，即可计算得到输出特征点的值。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据流架构的图像缩放装置，其特征在于，包括：第一可编程地址生成模块、第二可编程地址生成模块、第一片上缓存模块、第二片上缓存模块以及计算模块；其中，所述第一可编程地址生成模块用于根据第一外部配置，基于所使用的图像缩放算法顺序产生所述第一片上缓存模块的第一读地址；所述第二可编程地址生成模块用于根据第二外部配置，基于所述图像缩放算法顺序产生所述第二片上缓存模块的第二读地址；所述第一片上缓存模块用于缓存输入特征图的特征数据，以及依次根据每个所述第一读地址读取目标特征数据；所述第二片上缓存模块用于缓存预先离线计算得到的所述图像缩放算法所需的插值系数，以及依次根据每个所述第二读地址读取目标插值系数；所述计算模块用于依次根据所述目标特征数据和对应的所述目标插值系数，基于所述图像缩放算法进行计算，以得到输出特征图的各个特征数据。2.根据权利要求1所述的基于数据流架构的图像缩放装置，其特征在于，所述第一可编程地址生成模块包括外部可配置的第一寄存器，所述第一寄存器用于存储所述第一外部配置；所述第二可编程地址生成模块包括外部可配置的第二寄存器，所述第二寄存器用于存储所述第二外部配置。3.根据权利要求1所述的基于数据流架构的图像缩放装置，其特征在于，所述计算模块还用于将得到的所述输出特征图的各个特征数据输出到结果缓存空间中进行缓存。4.根据权利要求1所述的基于数据流架构的图像缩放装置，其特征在于，所述图像缩放算法包括最邻近插值算法；相应的，所述第一片上缓存模块还用于直接将所述目标特征数据作为插值结果，并直接将所述插值结果输出到结果缓存空间中进行缓存。5.根据权利要求3或4所述的基于数据流架构的图像缩放装置，其特征在于，所述结果缓存空间包括所述第一片上缓存模块和外部存储模块中的一种。6.一种基于数据流架构的图像缩放方法，其特征在于，包括：通过第一可编程地址生成模块基于所使用的图像缩放算法顺序为输出特征图的每个特征点产生第一片上缓存模块的第一读地址，以及通过第二可编程地址生成模块基于所述图像缩放算法顺序为所述输出特征图的每个特征点产生第二片上缓存模块的第二...

【专利技术属性】
技术研发人员：焦黎，蔡权雄，牛昕宇，
申请(专利权)人：深圳鲲云信息科技有限公司，
类型：发明
国别省市：