[发明专利]图像识别处理方法和装置在审

专利信息
申请号: 201811010061.0 申请日: 2018-08-31
公开(公告)号: CN110874605A 公开(公告)日: 2020-03-10
发明(设计)人: 刘敏丽;张楠赓 申请(专利权)人: 北京嘉楠捷思信息技术有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04
代理公司: 北京市中伦律师事务所 11410 代理人: 杨黎峰;钟锦舜
地址: 100094 北京市海淀*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像 识别 处理 方法 装置
【权利要求书】:

1.一种图像识别处理方法,其特征在于,包括:

获取原始图像数据、卷积神经网络配置参数和卷积神经网络运算参数,所述原始图像数据包括M个像素点数据,M为正整数;

由卷积神经网络运算模块根据卷积神经网络配置参数和卷积神经网络运算参数对所述原始图像数据进行卷积神经网络运算,其中,所述卷积神经网络运算模块包括N个并行设置的运算组件,每个运算组件包括依次连接的卷积运算单元、批处理运算单元和激活运算单元,所述N个运算组件分别对所述原始图像数据中的N个像素点数据同时进行卷积运算、批处理运算和激活运算,N为小于或等于M的正整数。

2.根据权利要求1所述的图像识别处理方法,其特征在于,所述获取原始图像数据、卷积神经网络配置参数和卷积神经网络运算参数包括:

通过数据传输总线获取原始图像数据、卷积神经网络配置参数和卷积神经网络运算参数。

3.根据权利要求2所述的图像识别处理方法,其特征在于,所述通过数据传输总线获取原始图像数据、卷积神经网络配置参数和卷积神经网络运算参数包括:

通过先进可扩展接口AXI总线获取原始图像数据、卷积神经网络配置参数和卷积神经网络运算参数。

4.根据权利要求2所述的图像识别处理方法,其特征在于,所述获取原始图像数据包括通过第一接口获取原始图像数据,并将所述原始图像数据写入到第一存储单元中;

所述获取卷积神经网络配置参数包括通过第一接口获取参数配置指令,并将所述参数配置指令发送给参数分发模块,所述参数配置指令包括所述卷积神经网络配置参数;

所述获取卷积神经网络运算参数包括通过第二接口获取卷积运算参数、批处理运算参数和激活运算参数,并将所述卷积运算参数和批处理运算参数写入到第二存储单元中,将所述激活运算参数发送给参数分发模块。

5.根据权利要求4所述的图像识别处理方法,其特征在于,还包括:

运算控制模块从参数分发模块获取所述卷积神经网络配置参数中的控制类配置参数;

所述运算控制模块根据所述控制类配置参数控制从第一接口获取原始图像数据、从第一接口获取参数配置指令以及从第二接口获取卷积运算参数、批处理运算参数和激活运算参数;

所述运算控制模块将所述卷积神经网络配置参数中的控制类配置参数发送给卷积神经网络运算模块。

6.根据权利要求5所述的图像识别处理方法,其特征在于,所述卷积神经网络运算模块还包括运算控制单元,所述方法还包括:

所述运算控制单元接收所述卷积神经网络配置参数中的控制类配置参数,所述控制类配置参数包括输入或者输出原始图像尺寸、每层卷积神经网络的输入或者输出通道数目;

所述运算控制单元根据所述控制类配置参数控制从所述第一存储单元中读取原始图像数据,从所述第二存储单元中读取卷积运算参数和批处理运算参数,并将所述原始图像数据、卷积运算参数和批处理运算参数发送给卷积运算单元。

7.根据权利要求6所述的图像识别处理方法,其特征在于,所述方法还包括:

所述运算控制模块从所述参数分发模块获取所述激活运算参数和所述卷积神经网络配置参数中的运算类配置参数,所述运算类配置参数包括卷积预算配置参数、卷积内核大小和池化方式;

所述运算控制模块将所述激活运算参数和所述卷积神经网络配置参数中的运算类配置参数发送给所述卷积神经网络运算模块的运算控制单元;

所述运算控制单元将激活运算参数发送给激活运算单元,以及将所述卷积运算配置参数、所述卷积内核大小发送给卷积运算单元,以及将所述池化方式发送给池化单元;或者,

所述参数分发模块直接将所述激活运算参数发送给激活运算单元,以及将所述卷积运算配置参数和所述卷积内核大小发送给卷积运算单元,以及将所述池化方式发送给池化单元。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京嘉楠捷思信息技术有限公司,未经北京嘉楠捷思信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201811010061.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top