[发明专利]一种基于卷积神经网络的图像处理方法及装置

说明书

本申请提供一种基于卷积神经网络的图像处理方法及装置，该技术可根据预设的卷积运算策略信息执行第一卷积层运算，并判断接下来要执行的第二卷积层运算信息是否满足条件：卷积运算尺寸为1*1且步进长度值s大于1；在满足前述条件的情况下，根据所述步进长度值在执行所述第二卷积层运算之前，筛选出所述第一卷积层运算结果中对应执行所述第二卷积层运算的有效值部分；按照步进长度值为1对所述有效值部分执行所述第二卷积层1*1卷积运算。从而使得执行卷积运算进行图像处理的过程中，在执行卷积运算尺寸为1*1且步进长度值s大于1的卷积前就将对应的有效值筛选出来，避免对无效值部分也做运算，提高了图像处理的效率，增强了图像处理芯片的整体性能。

技术领域

本申请涉及图像处理领域，尤其涉及一种基于卷积神经网络的图像处理的技术。

背景技术

卷积神经网络(Convolutional Neural Network，CNN)作为人工神经网络的一种，已成为当前图像处理领域的研究热点。卷积神经网络是一个多层的神经网络，每层对三维张量数据和多个卷积核进行卷积运算用来提取图像特征，三维张量数据和每个卷积核生成的图像特征输出是二维张量数据，本层输出的多个二维张量组织在一起又构成下一层神经网络的三维张量数据输入。由于神经网络可以具有多个层，因此卷积神经网络的卷积运算量非常大。

目前，随着图像处理卷积运算复杂度的增加，图像处理卷积运算过程中，出现了卷积核尺寸为1*1，步进长度值大于1的卷积运算，每个神经网络层中对待处理图像执行前述卷积层运算时，均会产生大量数据，目前并未对所有卷积运算过程中的数据根据需要进行有效性的区分及筛选，从而对处理器内/外部存储器的带宽要求就非常高，影响卷积神经网络系统的整体性能。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请的一个目的是针对卷积核尺寸1*1，步进长度值大于1的卷积运算，提供一种基于卷积神经网络的图像处理方法及装置，以解决图像处理过程中根据需要对神经网络中的卷积层运算数据结果进行有效性的区分及筛选，降低卷积神经网络处理器存储器的带宽，以及卷积神经网络处理器性能优化等问题。

根据本申请的一个方面，提供了一种基于卷积神经网络的图像处理方法，该方法包括：

根据预设的卷积运算策略信息，执行第一卷积层运算，并判断接下来要执行的第二卷积层运算信息是否满足如下条件：

卷积运算尺寸为1*1且步进长度值s大于1；

在满足上述条件的情况下，在执行所述第二卷积层运算之前，根据预设的所述第二卷积层运算对应的第一有效值位置信息及所述步进长度值，筛选出所述第一卷积层运算结果中对应执行所述第二卷积层运算的有效值部分；

按照步进长度值为1对所述有效值部分执行所述第二卷积层1*1卷积运算。

根据本申请的另一个方面，提供一种基于卷积神经网络的图像处理装置，所述装置包括：

卷积运算信息检测单元，用于根据预设的卷积运算策略信息，执行第一卷积层运算，并判断接下来要执行的第二卷积层运算信息是否满足如下条件：

卷积运算尺寸为1*1且步进长度值s大于1；

第一卷积运算结果筛选单元，用于在满足上述条件的情况下，在执行所述第二卷积层运算之前，根据预设的所述第二卷积层运算对应的第一有效值位置信息及所述步进长度值，筛选出所述第一卷积层运算结果中对应执行所述第二卷积层运算的有效值部分；

第二卷积运算执行单元，用于按照步进长度值为1对所述有效值部分执行所述第二卷积层1*1卷积运算。