[发明专利]一种数据处理的方法及装置

说明书

本申请公开了一种数据处理的方法及装置，该方法包括获取R组候选区域序列，每组候选区域序列包括多个候选区域，调用VRPAC指令计算各候选区域序列中各候选区域的面积，针对R组候选区域序列的第j组候选区域序列，调用VIOU指令、VAADD指令确定第j组候选区域序列的j个抑制矩阵，并根据j个抑制矩阵确定第j组候选区域序列的抑制矢量，最后根据各组候选区域序列的抑制矢量，确定出未被抑制的候选区域。由于通过调用VRPAC指令各候选区域的面积，调用VIOU指令、VAADD指令来得到抑制矩阵，与现有技术中通过GPU或者CPU来计算NMS相比，减少了调用指令，减少了指令执行的步骤，从而缩短了NMS的计算时间。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种数据处理的方法及装置。

背景技术

物体检测和图像识别是卷积神经网络的重要应用方向，非最大值抑制(nonmaximum suppression，NMS)是物体检测不可或缺的组件，负责获取同一物体唯一的检测。NMS的基本原理是比较2个候选区域交叠面积的比例，若该比例大于某一阈值，则会抑制得分低的候选区域。候选区域是一个矩形框，通过左上角坐标(y1,x1)和右下角坐标(y2,x2)进行表示。候选区域的得分反映该候选区域内部包含一个完整物体可能性的大小，得分越高则该候选区域包含一个完整物体的可能性越高。

NMS的输入是N个已经按照得分从高到低排好序的候选区域，输出M个得分最高且未被抑制的候选区域。

在计算NMS时，通常是使用中央处理器(central processing unit，CPU)进行NMS的计算，但是由于CPU并行计算能力有限，需要多次循环才能得到一个抑制矢量的计算，造成计算时间长的问题。另有通过CPU和图形处理器(graphics processing unit，GPU)GPU的组合进行NMS的计算的方案，其中，GPU可以执行NMS中并行计算时的计算工作，CPU可以执行除了并行计算之外的计算工作。但是使用非统一架构导致CPU与GPU之间需要额外的通信开销已完成NMS的计算，计算时间虽然比单纯使用CPU计算要快的多，但是仍然用时较长，同时还会增加额外的功耗。

发明内容

本申请提供一种数据处理的方法及装置，可以缩短NMS的计算时间。

第一方面，提供一种数据处理的方法，包括：

获取R组候选区域序列，每组候选区域序列包括多个候选区域，R为正整数，调用矢量候选区域面积计算(vector region proposal area calculation，VRPAC)指令计算各候选区域序列中各候选区域的面积；所述VRPAC指令为单次计算K个候选区域的面积，K与数据类型相关联，然后针对所述R组候选区域序列的第j组候选区域序列，调用矢量交叠面积(vector intersection over union，VIOU)指令、矢量面积和(vector area add，VAADD)指令确定所述第j组候选区域序列的j个抑制矩阵，并根据所述j个抑制矩阵确定所述第j组候选区域序列的抑制矢量，其中，所述VIOU指令为单次计算两组候选区域序列中候选区域两两之间的交叠面积，所述VAADD指令为单次计算两组候选区域序列中候选区域两两之间的面积和；j为大于等于1小于等于R的整数，最后根据所述各组候选区域序列的抑制矢量，确定出未被抑制的候选区域。

由于通过调用VRPAC指令各候选区域的面积，调用VIOU指令、VAADD指令来得到抑制矩阵，与现有技术中通过GPU或者CPU来计算NMS相比，减少了调用指令，减少了指令执行的步骤，从而缩短了NMS的计算时间。