[发明专利]一种图像识别协处理器、图像识别系统及方法

说明书

技术领域

本发明涉及图像处理技术领域，特别涉及一种图像识别协处理器、图像识别系统及方法。

背景技术

当前，在利用图像识别算法对图像进行识别过程中，通常采用单精度浮点型的数据即可满足实际的精度需求。然而，对于一些较为复杂的图像识别算法，如深度神经网络算法，它们在对图像进行识别的过程中，需要对初始输入的单精度浮点型数据进行大量的运算，而每一次运算都有可能造成有效数字的偏移，精度变低，这样导致运算结束之后其结果中单精度浮点数的准确率大幅降低，从而降低了图像识别效果。

综上所述可以看出，如何提高图像识别效果是目前有待解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种图像识别协处理器、图像识别系统及方法，提高了图像识别效果。其具体方案如下：

一种图像识别协处理器，包括：

第一数据获取模块，用于获取数据类型为单精度浮点型的原始待处理图像数据；

第一转换模块，用于将所述原始待处理图像数据的数据类型由单精度浮点型转换成整型，得到转换后的待处理图像数据；

数据处理模块，用于利用预设的图像识别算法，对所述转换后的待处理图像数据进行相应的计算处理，得到数据类型为整型的初始图像识别结果；

第二转换模块，用于将所述初始图像识别结果的数据类型由整型转换成单精度浮点型，得到最终的图像识别结果。

可选的，所述数据处理模块，具体用于利用深度神经网络算法，对所述转换后的待处理图像数据进行相应的计算处理。

本发明还公开另一种图像识别协处理器，包括：

第二数据获取模块，用于获取数据类型为单精度浮点型的原始待处理图像数据；

第三转换模块，用于将所述原始待处理图像数据的数据类型由单精度浮点型转换成整型，得到转换后的待处理图像数据，并将所述转换后的待处理图像数据发送至中央处理器，以利用所述中央处理器对所述转换后的待处理图像数据进行相应的图像识别处理，得到数据类型为整型的初始图像识别结果；

第四转换模块，用于获取所述中央处理器发送的所述初始图像识别结果，并将所述初始图像识别结果的数据类型由整型转换成单精度浮点型，得到最终的图像识别结果。

可选的，所述第四转换模块获取到的所述初始图像识别结果为利用深度神经网络算法得到的图像识别结果。

本发明还进一步公开了一种图像识别系统，包括前述公开的图像识别协处理器和中央处理器。

本发明还相应公开了一种图像识别方法，包括：

获取数据类型为单精度浮点型的原始待处理图像数据；

将所述原始待处理图像数据的数据类型由单精度浮点型转换成整型，得到转换后的待处理图像数据；

利用预设的图像识别算法，对所述转换后的待处理图像数据进行相应的计算处理，得到数据类型为整型的初始图像识别结果；

将所述初始图像识别结果的数据类型由整型转换成单精度浮点型，得到最终的图像识别结果。

可选的，所述利用预设的图像识别算法，对所述转换后的待处理图像数据进行相应的计算处理的过程，包括：

利用深度神经网络算法，对所述转换后的待处理图像数据进行相应的计算处理。

本发明中，图像识别协处理器，包括：第一数据获取模块，用于获取数据类型为单精度浮点型的原始待处理图像数据；第一转换模块，用于将原始待处理图像数据的数据类型由单精度浮点型转换成整型，得到转换后的待处理图像数据；数据处理模块，用于利用预设的图像识别算法，对转换后的待处理图像数据进行相应的计算处理，得到数据类型为整型的初始图像识别结果；第二转换模块，用于将初始图像识别结果的数据类型由整型转换成单精度浮点型，得到最终的图像识别结果。

可见，本发明在获取到单精度浮点型的原始待处理图像数据后，先将原始待处理图像数据的数据类型由单精度浮点型转换成整型，然后再对转换后得到的整型数据进行相应的计算处理，而不是直接对单精度浮点型数据进行计算处理，由于整型数的有效位数多于单精度浮点数的有效位数，所以使得相对于采用单精度浮点数展开的计算，采用整型数展开的计算能够保留更高的精度，从而使得最终图像识别结果的准确率得到提升，由此提高了图像识别效果。

附图说明