本公开公开一种图像数据处理方法、装置、电子设备和存储介质。该图像数据处理方法包括：获取初始图像数据，将初始图像数据的数据类型转换为预设数据类型，得到中间图像数据，其中，预设数据类型为神经网络加速器支持的数据类型，进而使用神经网络加速器对中间图像数据进行线性运算处理，得到目标图像数据。本公开能够实现神经网络加速器兼容处理多种数据类型的图像数据，降低因数据类型不兼容导致的图像处理结果异常的问题，并且，目标图像数据和初始图像数据的数据类型相同确保了数据输入输出的一致性。入输出的一致性。入输出的一致性。
【技术实现步骤摘要】
图像数据处理方法、装置、电子设备和存储介质
[0001]本公开涉及计算机视觉应用领域，尤其是涉及一种图像数据处理方法、装置、电子设备和存储介质。
技术介绍
[0002]神经网络加速器具有乘累加(Multiply Accumulate，简称MAC)单元，以进行高速的乘累加运算。
[0003]为了提高乘累加单元的运算效率，神经网络加速器通常被设计为支持有符号整型数据(例如，int8格式的数据)的运算。然而，图像数据并非有符号整型数据，在神经网络加速器处理图像数据时，可能会导致对图像数据处理效果不佳。
[0004]因此，采用神经网络加速器处理图像数据时，亟需一种能够兼容多种数据类型的图像数据处理方法。
技术实现思路
[0005]为了神经网络加速器处理图像数据时，无法兼容处理多种数据类型的图像数据的技术问题，本公开的实施例提供了一种图像数据处理方法、装置、电子设备和存储介质。具体地，公开了如下技术方案：
[0006]根据本公开的第一方面，本公开实施例提供一种图像数据处理方法，该方法包括如下步骤：获取初始图像数据，将初始图像数据的数据类型转换为预设数据类型，得到中间图像数据，其中，预设数据类型为神经网络加速器支持的数据类型。使用神经网络加速器对中间图像数据进行线性运算处理后，对进行线性运算处理后的图像数据进行数据类型的逆转换，得到目标图像数据，其中，目标图像数据和初始图像数据的数据类型相同。
[0007]根据本公开的第二方面，本公开实施例提供了一种图像数据处理装置，应用于神经网络加速器，该装置包括：
[0008]数据获取模块，用于获取初始图像数据。
[0009]转换模块，用于将初始图像数据的数据类型转换为预设数据类型，得到中间图像数据；预设数据类型为神经网络加速器支持的数据类型。
[0010]运算处理模块，用于对中间图像数据进行线性运算处理，得到目标图像数据。
[0011]根据本公开的第三方面，本公开实施例提供了一种电子设备，该电子设备包括：
[0012]存储器，用于存储处理器可执行指令的存储器；
[0013]处理器，用于从存储器中读取可执行指令，并执行指令以实现上述第一方面的图像数据处理方法的步骤。
[0014]根据本公开的第四方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面的图像数据处理方法的步骤。
[0015]本公开的实施例提供了一种图像数据处理方法、装置、电子设备和存储介质，基于
获取初始图像数据，将初始图像数据的数据类型转换为预设数据类型，得到中间图像数据。其中，预设数据类型为神经网络加速器支持的数据类型。然后，使用神经网络加速器对中间图像数据进行线性运算处理，得到目标图像数据。本公开能够实现神经网络加速器兼容处理多种数据类型的图像数据，并能够对多种数据类型的图像数据进行处理，降低因数据类型不兼容导致的图像处理结果异常的问题，并且，目标图像数据和初始图像数据的数据类型相同确保了数据输入输出的一致性。
附图说明
[0016]通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0017]图1是一种在神经网络加速器上直接处理无符号类型数据后输出的图像示意图；
[0018]图2是一种在神经网络加速器上处理有符号类型数据后输出的图像示意图；
[0019]图3是本公开所适用的一种图像处理的场景示意图；
[0020]图4是本公开一示例性实施例提供的图像处理方法的流程示意图；
[0021]图5是本公开另一示例性实施例提供的图像处理方法的流程示意图；
[0022]图6是本公开一示例性实施例提供的图像处理装置的结构示意图；
[0023]图7是本公开另一示例性实施例提供的图像处理装置的结构示意图；
[0024]图8是本公开一示例性实施例提供的电子设备的结构示意图。
具体实施方式
[0025]下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。
[0026]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公开的范围。
[0027]本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
[0028]还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
[0029]还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
[0030]另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。
[0031]还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
[0032]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。
[0033]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，决不作为对本公开及其应用或使用的任何限制。
[0034]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。
[0035]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。
[0036]本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，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。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、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。
[0037]终端设备、计算机系统、服务器等电子设备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、数据本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种图像数据处理方法，包括：获取初始图像数据；将所述初始图像数据的数据类型转换为预设数据类型，得到中间图像数据；所述预设数据类型为神经网络加速器支持的数据类型；使用所述神经网络加速器对所述中间图像数据进行线性运算处理后，对线性运算处理后的图像数据进行数据类型的逆转换，得到目标图像数据，所述目标图像数据和所述初始图像数据的数据类型相同。2.根据权利要求1所述的方法，其中，所述神经网络加速器支持的数据类型为有符号整型，所述初始图像数据的数据类型为无符号整型，所述无符号整型与所述有符号整型的二进制数占用的字节相同。3.根据权利要求2所述的方法，其中，所述将所述初始图像数据的数据类型转换为预设数据类型，得到中间图像数据，包括：获取所述初始图像数据对应的第一符号位矩阵；所述第一符号位矩阵用于将所述各像素点的数据类型由无符号整型转换为有符号整型；基于所述第一符号位矩阵，对所述初始图像数据的数据类型进行转换，得到所述中间图像数据；所述初始图像数据和所述中间图像数据的各个像素点占用的字节相同。4.根据权利要求3所述的方法，其中，所述第一符号位矩阵的确定方式，包括：在所述初始图像数据中像素点的二进制值超出所述有符号整型的二进制取值范围时，对所述像素点进行溢出饱和得到第一图像数据；对所述第一图像数据中的各个像素点的二进制值取反后减1，得到第二图像数据；对所述第二图像数据右移第一移位值，确定所述第一符号位矩阵；所述第一移位值是将所述初始图像数据占用的字节对应的比特值减1后得到的值。5.根据权利要求4所述的方法，其中，所述基于所述第一符号位矩阵，对所述初始图像数据的数据类型进行转换，得到所述中间图像数据，包括：获取第一补偿参数、所述第一图像数据和所述初始图像数据对应的二进制取值范围；所述第一补偿参数用于表征所述二进制取值范围中取值个数的二分之一；将所述第一符号位矩阵与所述二进制取值范围中二进制数的个数相乘，得到第一符号位变换矩阵；所述二进制取值范围中二进制数的个数是将二进制数字1按照所述比特值进行左移后得到的值；将所述第一补偿参数、所述第一符号位变换矩阵和所述第一图像数据相加，得到所述中间图像数据。6.根据权利要求2
‑
5任一项所述的方法，其中，所述使用所述神经网络加速器对所述中间图像数据进行线性运算处理后，对进行线性运算处理后的图像数据进行数据类型的逆转换，得到目标图像数据，包括：对所述中间图像数据进行线性运算处理，得到参考图像数据；所述参考图像数据为有符号整型数据；获取所述参考图像数据的第二符号位矩阵；所述第...
【专利技术属性】
技术研发人员：张祎男，王振江，李德林，
申请(专利权)人：北京地平线机器人技术研发有限公司，
类型：发明
国别省市：
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。