[发明专利]一种卷积处理方法、装置及多核DSP平台、可读存储介质

说明书

一种卷积处理方法，包括：划分图像为多个区域；每个卷积处理核对应一个区域，对图像各个图层位于对应区域的部分进行卷积处理；综合各个图层的卷积处理结果。一种卷积处理装置，包括：区域划分模块，划分图像为多个区域；卷积处理模块，使每个卷积处理核对应一个区域，每个卷积处理核对图像各个图层位于对应区域的部分进行卷积处理；综合处理模块，综合各个图层的卷积处理结果。一种多核DSP平台，包括：多个卷积处理核；存储器，存储有计算机程序，该计算机程序被配置为由各个卷积处理核执行时能够实现上述的卷积处理方法。一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被执行时能够实现上述的卷积处理方法。

技术领域

本申请属于卷积神经网络处理技术领域，具体涉及一种卷积处理方法、装置及多核DSP平台、计算机可读存储介质。

背景技术

卷积神经网络(CNN)在图像分类、目标识别定位等计算机视觉领域中取得了广泛应用，其主要构成为卷积处理，涉及大量的卷积操作，整个卷积处理可以基于不同卷积核及不同图层的数据进行并行，适合具有高并行度的硬件，GPU、CPU等进行加速处理。

卷积处理原理如图1所示，图1中给出单通道图像(1，W，H)与3个卷积核进行卷积，生成一个3通道的图像(3，W，H)的示意，即图层数为1、宽度为W、高度为H的单通道图像，与3个卷积核进行卷积，生成一个图层数为3、宽度为W、高度为H的3通道的图像。

实际卷积处理的网络架构如2所示，其输入图像多为图层数为C、宽度为W、高度为H的多通道图像(C，W，H)，卷积核个数为N，每个卷积核和多通道图像进行卷积后还需进行多通道加和处理，生成图层数为N、宽度为W、高度为H的多通道图像(N，W，H)。

当前，为提高卷积处理的速度，GPU上大都采用Nvidia cudnn库进行加速，CPU上大都采用多线程并行和MPI方式进行多任务加速，对卷积的复杂计算优化多是将多通道的图像卷积转换成矩阵运算，按照GPU、CPU平台的设计思路，卷积处理的权重数据、输入都应存放在快速访问内存中，但多核DSP平台相较于GPU、CPU平台其快速访问内存有限，多数情况下小于卷积处理的权重数据、输入，不能够依照上述GPU、CPU平台的设计思路实现卷积处理在多核DSP平台上的加速，卷积处理在多核DSP平台上的速度受到极大限制。

鉴于上述技术缺陷的存在提出本申请。

需注意的是，以上背景技术内容的公开仅用于辅助理解本发明的发明构思及技术方案，其并不必然属于本专利申请的现有技术，在没有明确的证据表明上述内容在本申请的申请日已经公开的情况下，上述背景技术不应当用于评价本申请的新颖性和创造性。

发明内容

本申请的目的是提供一种卷积处理方法、装置及多核DSP平台、计算机可读存储介质，以克服或减轻已知存在的至少一方面的技术缺陷。

本申请的技术方案是：

一方面提供一种卷积处理方法，包括：

划分图像为多个区域；

每个卷积处理核对应一个区域，对图像各个图层位于对应区域的部分进行卷积处理；

综合各个图层的卷积处理结果。

根据本申请的至少一个实施例，上述卷积处理方法中，所述综合各个图层的卷积处理结果，具体为：

叠加每个卷积处理核对各个图层位于对应区域的卷积处理结果；

合并各个区域的卷积处理结果。

根据本申请的至少一个实施例，上述卷积处理方法中，所述每个卷积处理核对各个图层位于对应区域的部分进行卷积处理，具体为：

每个卷积处理核基于多个卷积核对各个图层位于对应区域的部分进行卷积处理；