[发明专利]图像处理方法、目标检测装置、机器视觉设备和存储介质

权利要求书

1.一种图像处理方法，其特征在于，包括：

对待检测的图像进行预处理获得输入特征图，并提取所述输入特征图的第一深度并行度和纵向并行度；

依据所述第一深度并行度和所述纵向并行度对所述输入特征图进行向量化处理，获得N个输入向量数据，其中，N为大于或等于1的整数；

使用所述N个输入向量数据与卷积核同时进行卷积运算，获得输出特征图。

2.根据权利要求1所述的方法，其特征在于，所述输出特征图的第二深度并行度和所述卷积核的数量相同，所述第一深度并行度和所述第二深度并行度是依据并行度模型确定的并行度，所述并行度模型是依据硬件资源和内存带宽模型确定的模型。

3.根据权利要求1所述的方法，其特征在于，所述使用所述N个输入向量数据与卷积核同时进行卷积运算，获得输出特征图，包括：

使用所述N个输入向量数据与卷积核同时进行卷积运算，获得输出向量数据；

利用乘累加树对所述输出向量数据和对应的权重参数进行处理，获得所述输出特征图。

4.根据权利要求3所述的方法，其特征在于，所述利用乘累加树对所述输出向量数据和对应的权重参数进行处理，获得所述输出特征图，包括：

依据所述输出向量数据的数据位宽和所述权重参数，对M个所述输出向量数据进行点对点的乘累加运算，获得第一累加结果，其中，M为大于或等于1的整数；

将所述第一累加结果缓存到移位缓存区中；

依据所述移位缓存区的深度，对所述第一累加结果进行局部累加，获得第二累加结果；

将所述第二累加结果缓存到延时缓存区中；

对所述延时缓存中的数据再次进行相加运算，获得所述输出特征图。

5.根据权利要求3所述的方法，其特征在于，在所述利用乘累加树对所述输出向量数据和对应的权重参数进行处理，获得所述输出特征图的步骤之后，还包括：

将所述输出特征图缓存至输出缓存区，其中，所述输出缓存区的存储形式包括多端口加载模式。

6.根据权利要求3所述的方法，其特征在于，在所述利用乘累加树对所述输出向量数据和对应的权重参数进行处理，获得所述输出特征图的步骤之后，还包括：

依据所述第一深度并行度，对所述输出特征图进行重排，获得重排结果；

将所述重排结果输出至输出缓存区。

7.根据权利要求6所述的方法，其特征在于，所述将所述重排结果输出至输出缓存区，包括：

以多端口存储数据的形式，将所述重排结果输出至所述输出缓存区。

8.根据权利要求6所述的方法，其特征在于，所述将所述重排结果输出至输出缓存区，包括：

依据所述第一深度并行度对所述重排结果进行池化处理，获得池化后的结果；

将所述池化后的结果以开放运算语言管道的形式输出至所述输出缓存区。

9.根据权利要求1至8中任一项所述的方法，其特征在于，在所述依据所述第一深度并行度和所述纵向并行度对所述输入特征图进行向量化处理，获得N个输入向量数据的步骤之前，还包括：

将所述输入特征图缓存到输入缓存区，其中，所述输入缓存区的存储形式至少包括折叠存储形式、双缓存机制和多端口加载形式中的任一项。

10.根据权利要求9所述的方法，其特征在于，所述将所述输入特征图缓存到输入缓存区，包括：

若确定所述输入缓存区的存储形式是所述折叠形式，则依据数据步长将所述输入特征图对应的数据进行折叠，并将折叠后的数据存储在所述输入缓存区中，其中，所述数据步长是依据所述纵向并行度、所述输入特征图在纵向维度上进行卷积运算所需的数据长度和单位步长确定的值；

若确定所述输入缓存区的存储形式是所述多端口加载形式，依据端口的数量和加载一个数据缓冲区所需的时钟周期数，将所述输入特征图对应的数据缓存到所述输入缓存区。