[发明专利]兼具图像识别功能的存储器

说明书

本发明提出一种兼具图像识别功能的存储器。该存储器含有多个存储处理单元，每个单元都含有一模式处理电路和至少一三维存储（3D‑M）阵列。该3D‑M阵列堆叠在模式处理电路上方，并存储用户图像数据等。模式处理电路根据输入的图像模型对存储在3D‑M阵列中的用户图像数据进行模式识别。

技术领域

本发明涉及集成电路领域，更确切地说，涉及兼具图像识别功能的存储器。

背景技术

模式匹配和模式识别指在目标模式（被检索的模式，target pattern）中查找与检索模式（用于检索的模式，search pattern）相同或接近的模式。其中，模式匹配要求查找到相同的模式，模式识别仅要求查找到接近的模式。除了特别说明，本说明书不区分模式匹配和模式识别，并用模式处理来统称各种对模式进行的操作。

模式处理（包括模式匹配和模式识别）应用广泛。常用的模式处理包括字符串匹配、代码匹配、语音识别和图像识别等。字符串匹配广泛用于大数据分析（如金融数据分析、电商数据分析、生物信息学）等领域：从大数据（目前多为文本数据库，含有目标字符串）中查找检索字符串，并进行统计分析。代码匹配广泛用于防恶意软件（anti-malware，如网络安全、计算机杀毒）等领域：从网络数据包中查找病毒标识（virus signature）或检查网络数据包是否符合网络规范（network rules），从而决定网络数据包是否安全。语音识别将通过语音传感器搜集到、或存储在语音档案库中的语音信号与声学模型库和语言模型库匹配。图像识别将通过图像传感器搜集到、或存储到图像档案库中的图像信号与图像模型库匹配。

随着大数据时代的到来，传统的模式库（包括检索模式库和目标模式库）已成为大型数据库（TB级到PB级，甚至EB级）：检索模式库（包括所有用于检索的模式）的数据量已经很大，而目标模式库（包括所有被检索的模式，通常为用户数据库）的数据量则更为巨大。目前计算机采用的von Neumann架构已不能满足大数据时代对模式处理的要求。在vonNeumann架构中，用于处理模式的处理器和用来存储模式的存储器是分离的：存储器（如硬盘、光盘、磁带等）仅用作存储模式数据，而不能对它进行任何模式处理；所有的模式处理都由外置处理器（如CPU、GPU）来完成。众所周知，分离的处理器和存储器之间带宽有限，光是从模式库中读出所有数据就需要很长时间，更何况对它们进行处理分析。因此，对大型模式库的模式处理需要耗费很长时间。

模式处理的一个典型应用是图像识别。图像识别的一种手段是根据图像模型库对用户图像进行模式识别。在识别时，模式处理器将用户图像数据与图像模型库中的图像模型一一比较，寻找最接近的图像模型。在传统计算机架构中，用户图像数据存储在外存（如硬盘）中。外存只是一个单纯的存储器，其本身不具备任何图像识别功能。当需要对一个新的图像模型进行识别时，需要把计算机硬盘中的所有用户图像数据读到处理器中进行图像识别。由于传统图像处理器（如CPU、GPU）内核数量有限、其图像识别平行度低，而且从外存中读出用户图像数据耗时很长，故传统计算机架构在处理图像识别时效率低下。

发明内容

本发明的主要目的是提高图像识别的效率。

本发明的另一目的是提供一种能高效地、兼具图像识别功能的存储器。

为了实现这些以及别的目的，本发明提出一种兼具图像识别功能的存储器：它不仅能存储模式数据，还能对它实施模式处理。该存储器芯片含有多个存储处理单元，每个单元都含有一模式处理电路和至少一存储至少一模式（目标模式或检索模式）的3D-M（three-dimensional memory，简称为3D-M）阵列。3D-M阵列与模式处理电路的垂直集成带来很多优势：由于3D-M阵列不占衬底面积，它可以集成在模式处理电路上，这能增加存储容量、减少芯片面积。更重要的是，由于3D-M阵列和模式处理电路处于同一芯片中且距离很近，它们之间能实现一大带宽电连接。通过采用大规模平行计算（每个存储器芯片可以含有上万个存储处理单元），该存储器能对大型模式库实现快速模式处理。