图像处理方法及装置制造方法及图纸

本公开提供了一种图像处理方法及装置

【技术实现步骤摘要】
图像处理方法及装置、设备和介质


[0001]本公开涉及计算机
，尤其涉及芯片技术
、
人工智能技术和图像处理
，具体涉及一种图像处理方法
、
装置
、
电子设备
、
计算机可读存储介质和计算机程序产品
。

技术介绍

[0002]人工智能是研究使计算机来模拟人的某些思维过程和智能行为
(
如学习
、
推理
、
思考
、
规划等
)
的学科，既有硬件层面的技术也有软件层面的技术
。
人工智能硬件技术一般包括如传感器
、
专用人工智能芯片
、
云计算
、
分布式存储
、
大数据处理等技术；人工智能软件技术主要包括计算机视觉技术
、
语音识别技术
、
自然语言处理技术以及机器学习
/
深度学习
、
大数据处理技术
、
知识图谱技术等几大方向
。
[0003]随着人工智能技术的发展，越来越多的应用基于人工智能技术取得了远超过传统算法的效果
。
深度学习是数据密集型算法和计算密集型算法，为了提高基于人工智能技术进行图像处理的效率，需要合理充分地利用图像处理装置的硬件资源，减少冗余开销
。
[0004]在此部分中描述的方法不一定是之前已经设想到或采用的方法
。
除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术
。
类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认
。

技术实现思路

[0005]本公开提供了一种图像处理方法
、
装置
、
芯片
、
电子设备
、
计算机可读存储介质和计算机程序产品
。
[0006]根据本公开的一方面，提供了一种图像处理方法，包括：获取与输入图像对应的特征图，所述特征图包括多个通道；将所述多个通道划分为多个通道组，所述多个通道组中的每个通道组包括至少一个通道；获取与所述多个通道组分别对应的多个卷积核；将所述多个卷积核划分为多个卷积核组，所述多个卷积核组中的每个卷积核组包括多个卷积核；针对所述多个卷积核组中的每个卷积核组，获取多个目标通道组，所述多个目标通道组与该卷积核组包括的多个卷积核分别对应；确定该卷积核组的组通道数，所述组通道数指示所述多个目标通道组的通道数之和；针对该卷积核组中的每个卷积核，确定相应的转换卷积核，所述转换卷积核的通道数等于所述组通道数；以及基于多个转换卷积核，并行地执行针对所述多个目标通道组的卷积计算
。
[0007]根据本公开的另一方面，提供了一种图像处理装置，包括：第一获取单元，被配置为获取与输入图像对应的特征图，所述特征图包括多个通道；第一分组单元，被配置为将所述多个通道划分为多个通道组，所述多个通道组中的每个通道组包括至少一个通道；第二获取单元，被配置为获取与所述多个通道组分别对应的多个卷积核；第二分组单元，被配置为将所述多个卷积核划分为多个卷积核组，所述多个卷积核组中的每个卷积核组包括多个卷积核；第三获取单元，被配置为针对所述多个卷积核组中的每个卷积核组，获取多个目标
通道组，所述多个目标通道组与该卷积核组包括的多个卷积核分别对应；第一确定单元，被配置为确定该卷积核组的组通道数，所述组通道数指示所述多个目标通道组的通道数之和；第二确定单元，被配置为针对该卷积核组中的每个卷积核，确定相应的转换卷积核，所述转换卷积核的通道数等于所述组通道数；以及卷积计算单元，被配置为基于多个转换卷积核，并行地执行针对所述多个目标通道组的卷积计算
。
[0008]根据本公开的一方面，提供了一种芯片，包括如上所述的图像处理装置
。
[0009]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述图像处理方法
。
[0010]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行上述图像处理方法
。
[0011]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时能够实现上述图像处理方法
。
[0012]根据本公开的一个或多个实施例，可以提升图像处理效率
。
[0013]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围
。
本公开的其它特征将通过以下的说明书而变得容易理解
。
附图说明
[0014]附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式
。
所示出的实施例仅出于例示的目的，并不限制权利要求的范围
。
在所有附图中，相同的附图标记指代类似但不一定相同的要素
。
[0015]图1示出了根据本公开示例性实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；
[0016]图2示出了根据本公开示例性实施例的图像处理方法的流程图；
[0017]图
3A
‑
图
3C
示出了根据本公开示例性实施例的图像处理过程的示意图；
[0018]图4示出了根据本公开示例性实施例的转换卷积核的示意图；
[0019]图5示出了根据本公开示例性实施例的图像处理装置的结构框图；
[0020]图6示出了能够用于实现本公开实施例的示例性电子设备的结构框图
。
具体实施方式
[0021]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的
。
因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围
。
同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述
。
[0022]在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系
、
时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开
。
在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例
。
[0023]在本公开中对各种所述示例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种图像处理方法，包括：获取与输入图像对应的特征图，所述特征图包括多个通道；将所述多个通道划分为多个通道组，所述多个通道组中的每个通道组包括至少一个通道；获取与所述多个通道组分别对应的多个卷积核；将所述多个卷积核划分为多个卷积核组，所述多个卷积核组中的每个卷积核组包括多个卷积核；针对所述多个卷积核组中的每个卷积核组，获取多个目标通道组，所述多个目标通道组与该卷积核组包括的多个卷积核分别对应；确定该卷积核组的组通道数，所述组通道数指示所述多个目标通道组的通道数之和；针对该卷积核组中的每个卷积核，确定相应的转换卷积核，所述转换卷积核的通道数等于所述组通道数；以及基于多个转换卷积核，并行地执行针对所述多个目标通道组的卷积计算
。2.
如权利要求1所述的方法，其中，所述多个目标通道组是利用数据搬运单元获取的，所述将所述多个卷积核划分为多个卷积核组包括：确定所述数据搬运单元的最大搬运数据量；确定所述多个通道组中的每个通道组的通道数据量；以及基于所述最大搬运数据量的所述每个通道组的通道数据量，将所述多个卷积核划分为多个卷积核组，以使得每个卷积核组相应的多个目标通道组的通道数据量之和与所述最大搬运数据量的差值最小
。3.
如权利要求1或2所述的方法，还包括：将所述多个卷积核组划分为多个集合，所述多个集合中的每个集合包括多个卷积核组，其中，所述基于多个转换卷积核，并行地执行针对所述多个目标通道组的卷积计算包括：针对所述多个集合中的每个集合，基于该集合中的每个卷积核组相应的多个转换卷积核，并行地执行针对该集合中的每个卷积核组相应的多个目标通道组的卷积计算
。4.
如权利要求3所述的方法，其中，所述卷积计算是利用卷积计算单元获取的，所述将所述多个卷积核组划分为多个集合包括：确定所述卷积计算单元能够并行计算的卷积核数量的最大值
Max
；利用搜索算法遍历
[1
，
Max]
区间，以从
[1
，
Max]
区间中确定每个集合所包括的卷积核数量的目标值，其中，当每个集合所包括的卷积核数量为所述目标值时，针对所述输入图像的图像处理的计算量最小；以及基于所述目标值，将所述多个卷积核组划分为多个集合
。5.
如权利要求1‑4中任一项所述的方法，其中，所述针对该卷积核组中的每个卷积核，确定相应的转换卷积核包括：基于该卷积核的通道数和所述组通道数，确定至少一个填充通道，其中，所述填充通道中的每个填充元素为零；以及
拼接该卷积核和所述至少一个填充通道，以得到所述转换卷积核
。6.
一种图像处理装置，包括：第一获取单元，被配置为获取与输入图像对应的特征图，所述特征图包括多个通道；第一分组单元，被配置为将所述多个通道划分为多个通道组，所述多个通道组中的每个通道组包括至少一个通道；第二获取单元，被配置为获取与所述多个通道组分别对应的多个卷积核；第二分组单元，被配置为将所述多个卷积核划分为多个卷积核组，所述多个卷积核组中的每个卷积核组包括多个卷积核；第三获取单元，被配置为针对所述多个卷积核组中的每个卷积核组，获取多个目标通...

【专利技术属性】
技术研发人员：谢夏婷，施佳鑫，李浩洋，
申请(专利权)人：昆仑芯北京科技有限公司，
类型：发明
国别省市：