[发明专利]场景或物体的识别方法及相关产品

权利要求书

1.一种场景或物体的识别方法，其特征在于，应用于计算装置内，所述计算装置包括运算单元和直接内存访问DMA单元，所述DMA单元包括DMA控制器和寄存器模块；所述方法包括：

所述DMA控制器从所述寄存器模块获取第一地址和第二地址；所述DMA控制器从所述第一地址对应的存储空间中获取待处理的目标图像，所述目标图像包括特征识别对象，所述特征识别对象用于标识所述目标图像或者标识所述目标图像所包含的对象；

所述运算单元获取运算指令，以调用所述运算指令对所述目标图像中的特征识别对象进行分类，从而获得目标分类结果；并将所述目标分类结果发送至所述DMA控制器；其中，所述目标分类结果用于指示所述特征识别对象所在的目标分类，所述运算指令为预先存储用于对象分类的指令；

所述DMA控制器将所述目标分类结果存储至所述第二地址对应的存储空间中。

2.根据权利要求1所述的方法，其特征在于，所述计算装置还包括寄存器单元以及控制器单元，所述运算单元获取运算指令，以调用所述运算指令对所述目标图像中的特征识别对象进行分类，从而获得目标分类结果包括：

所述控制器单元从所述寄存器单元中提取第一运算指令和第二运算指令，并发送给所述运算单元；

所述运算单元基于至少一个线程的运算指令集，对所述目标图像进行特征提取，从而获得特征图像；其中，所述运算指令集包括至少一个所述第一运算指令，且所述运算指令集中各个第一运算指令的调用顺序是用户侧或终端侧自定义设置的；

所述运算单元调用所述第二运算指令对所述特征图像进行对象分类，从而获得多个分类结果，所述分类结果包括分类评分；

所述运算单元从所述多个分类结果中，选取分类评分超过预设阈值所对应的分类结果，作为所述目标分类结果；

其中，所述第一运算指令为预先设置用于特征提取的指令，所述第二运算指令为预先设置用于对象分类的指令。

3.根据权利1所述的方法，其特征在于，所述DMA控制器获取待处理的目标图像包括：

所述DMA控制器获取用户输入的待处理的原始图像；

所述运算单元对所述原始图像进行预处理，从而获得待处理的所述目标图像，其中，所述预处理包括以下处理中的任一项或多项的组合：平移、伸缩变换、非线性转换、归一化、格式转换、数据去重、数据异常处理以及数据缺失填补。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述运算单元包括通过互联模块互联的主运算模块以及多个从运算模块，所述运算指令为卷积运算指令时，

所述调用所述运算指令对所述目标图像中的特征识别对象进行分类包括：

所述从运算模块实现卷积神经网络算法中的输入数据和卷积核的卷积运算，所述输入数据为所述目标图像，所述卷积神经网络算法与所述卷积运算指令对应；

所述互联模块实现所述主运算模块与所述从运算模块之前的数据传输，在神经网络全连接层正向运算开始之前，所述主运算模块通过互联模块将所述输入数据发送给每个从运算模块；所述多个从运算模块利用相同的所述输入数据与各自的卷积核，并行地计算出各自的输出标量；在所述多个从运算模块计算结束后，互联模块逐级将各个从运算模块的输出标量拼成中间向量，并返回给主运算模块；

所述主运算模块将所有输入数据对应的中间向量拼接成中间结果，并将所述中间结果与偏置数据相加，然后执行激活操作。

5.根据权利要求4所述的方法，其特征在于，所述主运算模块包括第一运算单元，所述第一运算单元包括向量加法单元以及激活单元，

所述主运算模块将中间结果与偏置数据相加，然后执行激活操作包括：

所述向量加法单元实现卷积神经网络正向计算中的加偏置操作，将偏置数据与中间结果对位相加得到偏置结果；

所述激活单元对偏置结果执行激活函数操作。