[发明专利]基于卷积神经网络的图像处理方法及装置

权利要求书

1.一种基于卷积神经网络的图像处理方法，其特征在于，包括：

获取待处理图像的卷积运算结果，所述待处理图像为多通道图像，所述卷积运算结果中包含多个通道的图像数据；

根据卷积运算顺序，缓存所述待处理图像的卷积运算结果；

根据池化运算顺序，读取缓存的卷积运算结果；

获取卷积运算结果中包含的每一通道图像数据；

对所述卷积运算结果中包含的每一通道图像数据进行池化运算，得到每一通道图像数据的池化运算结果；

将所有通道图像数据的池化运算结果合并，得到所述待处理图像的池化运算结果；

其中，对所述卷积运算结果中包含的每一通道图像数据进行池化运算，得到每一通道图像数据的池化运算结果，包括如下任意之一：

基于时分复用的方式，采用一个算子对所述卷积运算结果中包含的每一通道图像数据进行池化运算，得到每一通道图像数据的池化运算结果；

基于并行的方式，采用多个算子对所述卷积运算结果中包含的每一通道图像数据进行池化运算，得到每一通道图像数据的池化运算结果。

2.如权利要求1所述的方法，其特征在于，基于时分复用的方式，采用一个算子对所述卷积运算结果中包含的每一通道图像数据进行池化运算，得到每一通道图像数据的池化运算结果，包括：

缓存所述卷积运算结果中包含的每一通道图像数据；

采用先进先出的方式，读取缓存的每一通道图像数据；

对读取的每一通道图像数据进行池化运算；

缓存每一通道图像数据的池化运算结果；

采用先进先出的方式，输出每一通道图像数据的池化运算结果。

3.如权利要求1所述的方法，其特征在于，基于并行的方式，采用多个算子对所述卷积运算结果中包含的每一通道图像数据进行池化运算，得到每一通道图像数据的池化运算结果，包括：

如果算子的数量大于通道数，则直接采用倍数于通道数的算子对所述卷积运算结果中包含的每一通道图像数据进行池化运算，得到每一通道图像数据的池化运算结果；

如果算子的数量小于通道数，则采用算子复用的方式，对所述卷积运算结果中包含的每一通道图像数据进行池化运算，得到每一通道图像数据的池化运算结果。

4.一种基于卷积神经网络的图像处理方法，其特征在于，包括：

根据池化运算顺序，确定卷积运算顺序；

根据所述卷积运算顺序，输出待处理图像的卷积运算结果，所述待处理图像为多通道图像，所述卷积运算结果中包含多个通道的图像数据；

获取卷积运算结果中包含的每一通道图像数据；

对所述卷积运算结果中包含的每一通道图像数据进行池化运算，得到每一通道图像数据的池化运算结果；

将所有通道图像数据的池化运算结果合并，得到所述待处理图像的池化运算结果；

缓存所述池化运算结果，并根据所述池化运算结果确定池化运算顺序；

其中，对所述卷积运算结果中包含的每一通道图像数据进行池化运算，得到每一通道图像数据的池化运算结果，包括如下任意之一：

基于时分复用的方式，采用一个算子对所述卷积运算结果中包含的每一通道图像数据进行池化运算，得到每一通道图像数据的池化运算结果；

基于并行的方式，采用多个算子对所述卷积运算结果中包含的每一通道图像数据进行池化运算，得到每一通道图像数据的池化运算结果。

5.如权利要求4所述的方法，其特征在于，对待处理图像的卷积运算结果进行池化运算，得到池化运算结果，包括：

获取卷积运算结果的行宽和列宽；

如果行宽小于列宽，则按行对待处理图像的卷积运算结果进行池化运算；

如果行宽大于列宽，则按列对待处理图像的卷积运算结果进行池化运算。

6.如权利要求4所述的方法，其特征在于，在按行或列对待处理图像的卷积运算结果进行池化运算之后，所述方法还包括：

缓存每行或列的池化运算中间结果，以及每行或列与下一行或列的运算结果；

采用先进先出的方式，反复读取缓存的数据，直到获取到所述待处理图像的池化运算结果。