CN105243399A - 一种实现图像卷积的方法和装置、实现缓存的方法和装置 - Google Patents

一种实现图像卷积的方法和装置、实现缓存的方法和装置 Download PDF

Info

Publication number
CN105243399A
CN105243399A CN201510566679.5A CN201510566679A CN105243399A CN 105243399 A CN105243399 A CN 105243399A CN 201510566679 A CN201510566679 A CN 201510566679A CN 105243399 A CN105243399 A CN 105243399A
Authority
CN
China
Prior art keywords
image
subimage
buffer memory
loaded
convolution kernel
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510566679.5A
Other languages
English (en)
Other versions
CN105243399B (zh
Inventor
赵雅倩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Inspur Beijing Electronic Information Industry Co Ltd
Original Assignee
Inspur Beijing Electronic Information Industry Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Inspur Beijing Electronic Information Industry Co Ltd filed Critical Inspur Beijing Electronic Information Industry Co Ltd
Priority to CN201510566679.5A priority Critical patent/CN105243399B/zh
Publication of CN105243399A publication Critical patent/CN105243399A/zh
Application granted granted Critical
Publication of CN105243399B publication Critical patent/CN105243399B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/19—Recognition using electronic means
    • G06V30/192—Recognition using electronic means using simultaneous comparisons or correlations of the image signals with a plurality of references
    • G06V30/194—References adjustable by an adaptive method, e.g. learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Image Input (AREA)

Abstract

本发明公开了一种实现图像卷积的方法和装置、实现缓存的方法和装置，包括：将图像中的第一子图像加载到缓存中并与卷积核进行卷积；其中，第一子图像为中心像素为图像的中心像素且大小与卷积核相同的图像；将图像中的第二子图像分别加载到缓存中并与卷积核进行卷积，其中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像；以此类推，直到将边缘为图像的边缘且与卷积和相同的子图像分别加载到缓存中并与卷积核进行卷积。通过本发明的方案，将图像中由内而外的子图像加载到缓存中并进行卷积运算，减少了重复加载到缓存中的次数，从而提高了计算速度，并减少了缓存的功耗。

Description

一种实现图像卷积的方法和装置、实现缓存的方法和装置
技术领域
本发明涉及图像处理技术，尤指一种实现图像卷积的方法和装置、实现缓存的方法和装置。
背景技术
卷积神经网络(CNN，CoverletNeutralNetwork)是一种深度学习模型，可有效提高图像识别准确率，特别是针对大规模的图像数据。
现有的实现图像卷积的方法大致包括：
将图像中左上角的像素为图像的第i行第j列的像素且大小与卷积核相同的子图像加载到缓存中并与卷积核进行卷积，继续将图像中左上角的像素为图像的第i行第(j+1)列的像素且大小与卷积核相同的子图像加载到缓存中与卷积核进行卷积，直到图像中右下角的像素为图像的右边缘上的像素且大小与卷积核相同的子图像加载到缓存中与卷积核卷积完成；将图像中左上角的像素为图像的第(i+1)行第j列的像素且大小与卷积核相同的子图像加载到缓存中与卷积核进行卷积，继续将图像中左上角的像素为图像的第(i+1)行第(j+1)列的像素且大小与卷积核相同的子图像加载到缓存中与卷积核进行卷积，直到图像中右下角的像素为图像的右边缘和下边缘上的像素且大小与卷积核相同的子图像加载到缓存中与卷积核卷积完成。其中，i，j为大于或等于1的整数。
现有的实现图像卷积的方法中，在将每一个子图像与卷积核进行卷积之前，首先需要将子图像加载到缓存中，而由于CNN处理的图像规模较大，缓存中一般无法存储整个图像，因此，进行卷积过程中需要对缓存中的数据进行多次替换，一般是首先将先加载到缓存中的子图像进行替换，这样就会造成某一些被替换的数据重复加载到缓存中，从而降低计算速度，并增加缓存的功耗。
发明内容
为了解决上述问题，本发明提出了一种实现图像卷积的方法和装置、实现缓存的方法和装置，能够提高计算速度，并减少缓存的功耗。
为了达到上述目的，本发明提出了一种实现图像卷积的方法，包括：
将图像中的第一子图像加载到缓存中并与卷积核进行卷积；其中，第一子图像为中心像素为图像的中心像素且大小与卷积核相同的图像；
将图像中的第二子图像分别加载到缓存中并与卷积核进行卷积，其中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像；以此类推，直到将边缘为图像的边缘且大小与卷积核相同的子图像分别加载到缓存中并与卷积核进行卷积。
优选地，所述第一子图像为第或或行第或或列的像素为所述图像的第或或行第或或列的像素且大小与卷积核相同的图像；其中，M为所述图像的总行数或总列数，N为所述子图像的总行数或总列数。
本发明还提出了一种实现缓存的方法，包括：
将图像中的第一子图像加载到缓存中；其中，第一子图像为中心像素为图像的中心像素且大小与卷积核相同的图像；
判断出缓存未溢出，将图像中的第二子图像分别加载到缓存中，其中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像；以此类推，直到将边缘为图像的边缘且大小与卷积核相同的子图像分别加载到缓存中。
优选地，当判断出所述缓存溢出时，所述将图像中的第二子图像分别加载到缓存中包括：
将所述图像中的第二子图像按照先进先出的方式分别加载到所述缓存中。
本发明还提出了一种实现图像卷积的装置，至少包括：
第一缓存模块，用于将图像中的第一子图像加载到缓存中；其中，第一子图像为中心像素为图像的中心像素且大小与卷积核相同的图像；在上一次子图像与卷积核进行卷积后，将图像中的第二子图像分别加载到缓存中，其中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像；以此类推，直到将边缘为图像的边缘且大小与卷积核相同的子图像分别加载到缓存中；
卷积模块，用于将加载到缓存中的子图像与卷积核进行卷积。
优选地，所述第一缓存模块具体用于：
将所述图像中的第一子图像加载到缓存中；其中，所述第一子图像为第或或行第或或列的像素为所述图像的第或或行第或或列的像素且大小与卷积核相同的图像，M为所述图像的总行数或总列数，N为所述子图像的总行数或总列数；在上一次子图像与卷积核进行卷积后，将图像中的第二子图像加载到缓存中，其中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像；以此类推，直到将边缘为图像的边缘且大小与卷积核相同的子图像分别加载到缓存中。
本发明还提出了一种实现缓存的装置，至少包括：
第二缓存模块，用于将图像中的第一子图像加载到缓存中；其中，第一子图像为中心像素为图像的中心像素且大小与卷积核相同的图像；接收到第一通知消息，将图像中的第二子图像分别加载到缓存中，其中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像；以此类推，直到将边缘为图像的边缘且大小与卷积核相同的子图像分别加载到缓存中；
判断模块，用于判断出缓存未溢出，向第二缓存模块发送第一通知消息。
优选地，所述判断模块还用于：
当判断出所述缓存溢出时，向所述第二缓存模块发送第二通知消息；
所述第二缓存模块还用于：
接收到所述第二通知消息，将所述图像中的第二子图像按照先进先出的方式分别加载到所述缓存中。
与现有技术相比，本发明的技术方案包括：将图像中的第一子图像加载到缓存中并与卷积核进行卷积；其中，第一子图像为中心像素为图像的中心像素且大小与卷积核相同的图像；将图像中的第二子图像分别加载到缓存中并与卷积核进行卷积，其中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像；以此类推，直到将边缘为图像的边缘且大小与卷积核相同的子图像分别加载到缓存中并与卷积核进行卷积。通过本发明的方案，将图像中由内而外的子图像加载到缓存中并进行卷积运算，减少了重复加载到缓存中的次数，从而提高了计算速度，并减少了缓存的功耗。
附图说明
下面对本发明实施例中的附图进行说明，实施例中的附图是用于对本发明的进一步理解，与说明书一起用于解释本发明，并不构成对本发明保护范围的限制。
图1为本发明实现图像卷积的方法的流程图；
图2为本发明图像的示意图；
图3为本发明实现图像卷积的装置的结构组成示意图；
图4为本发明实现缓存的装置的结构组成示意图。
具体实施方式
为了便于本领域技术人员的理解，下面结合附图对本发明作进一步的描述，并不能用来限制本发明的保护范围。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的各种方式可以相互组合。
参见图1，本发明提出了一种实现图像卷积的方法，包括：
步骤100、将图像中的第一子图像加载到缓存中并与卷积核进行卷积。
本步骤中，第一子图像为中心像素为图像的中心像素且大小与卷积核相同的图像。
具体地，第一子图像为第或或行第或或列的像素为图像的第或或行第或或列的像素且大小与卷积核相同的图像；其中，M为图像的总行数或总列数，N为子图像的总行数或总列数。
本步骤中，子图像与卷积核进行卷积是指将子图像和卷积核对应的像素相乘后进行相加。
步骤101、将图像中的第二子图像分别加载到缓存中并与卷积核进行卷积，以此类推，直到将边缘为图像的边缘且大小与卷积核相同的子图像分别加载到缓存中并与卷积核进行卷积。
本步骤中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像。
其中，上一次子图像的中心像素的外围像素是指与上一次子图像的中心像素相邻的外围像素。图2为图像的示意图。如图2所示，假设像素1为图像的中心图像，则像素2～9为与像素1相邻的外围像素，像素10～25为与像素2～9相邻的外围像素，以此类推。
本步骤中，将图像中的第二子图像分别加载到缓存中并与卷积核进行卷积时，可以以某一个第二子图像为基准，沿着顺时针方向或者逆时针方向的顺序分别将第二子图像加载到缓存中并与卷积核进行卷积。
通过本发明的方案，将图像中由内而外的子图像加载到缓存中并进行卷积运算，减少了重复加载到缓存中的次数，从而提高了计算速度，并减少了缓存的功耗。
本发明还提出了一种实现缓存的方法，包括：
将图像中的第一子图像加载到缓存中；其中，第一子图像为中心像素为图像的中心像素且大小与卷积核相同的图像；判断出缓存未溢出，将图像中的第二子图像分别加载到缓存中，其中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像；以此类推，直到将边缘为图像的边缘且大小与卷积核相同的子图像分别加载到缓存中。
其中，当判断出缓存溢出时，将图像中的第二子图像分别加载到缓存中包括：将图像中的第二子图像按照先进先出的方式分别加载到缓存中。
参见图3，本发明还提出了一种实现图像卷积的装置，至少包括：
第一缓存模块，用于将图像中的第一子图像加载到缓存中；其中，第一子图像为中心像素为图像的中心像素且大小与卷积核相同的图像；在上一次子图像与卷积核进行卷积后，将图像中的第二子图像分别加载到缓存中，其中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像；以此类推，直到将边缘为图像的边缘且大小与卷积核相同的子图像分别加载到缓存中；
卷积模块，用于将加载到缓存中的子图像与卷积核进行卷积。
其中，第一缓存模块和卷积模块的功能可以是通过处理器执行存储在存储器中的程序/指令实现，还可以通过固件/逻辑电路/集成电路实现。
本发明的装置中，第一缓存模块具体用于：
将图像中的第一子图像加载到缓存中；其中，第一子图像为第或或行第或或列的像素为图像的第或或行第或或列的像素且大小与卷积核相同的图像，M为图像的总行数或总列数，N为子图像的总行数或总列数；在上一次子图像与卷积核进行卷积后，将图像中的第二子图像加载到缓存中，其中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像；以此类推，直到将边缘为图像的边缘且大小与卷积核相同的子图像分别加载到缓存中。
参见图4，本发明还提出了一种实现缓存的装置，至少包括：
第二缓存模块，用于将图像中的第一子图像加载到缓存中；其中，第一子图像为中心像素为图像的中心像素且大小与卷积核相同的图像；接收到第一通知消息，将图像中的第二子图像分别加载到缓存中，其中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像；以此类推，直到将边缘为图像的边缘且大小与卷积核相同的子图像分别加载到缓存中；
判断模块，用于判断出缓存未溢出，向第二缓存模块发送第一通知消息。
其中，第二缓存模块和判断模块的功能可以是通过处理器执行存储在存储器中的程序/指令实现，还可以通过固件/逻辑电路/集成电路实现。
本发明的装置中，判断模块还用于：
当判断出缓存溢出时，向第二缓存模块发送第二通知消息；
第二缓存模块还用于：
接收到第二通知消息，将图像中的第二子图像按照先进先出的方式分别加载到缓存中。
需要说明的是，以上所述的实施例仅是为了便于本领域的技术人员理解而已，并不用于限制本发明的保护范围，在不脱离本发明的发明构思的前提下，本领域技术人员对本发明所做出的任何显而易见的替换和改进等均在本发明的保护范围之内。

Claims (8)

1.一种实现图像卷积的方法，其特征在于，包括：
将图像中的第一子图像加载到缓存中并与卷积核进行卷积；其中，第一子图像为中心像素为图像的中心像素且大小与卷积核相同的图像；
将图像中的第二子图像分别加载到缓存中并与卷积核进行卷积，其中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像；以此类推，直到将边缘为图像的边缘且大小与卷积核相同的子图像分别加载到缓存中并与卷积核进行卷积。
2.根据权利要求1所述的方法，其特征在于，所述第一子图像为第或或行第或或列的像素为所述图像的第或或行第或或列的像素且大小与卷积核相同的图像；其中，M为所述图像的总行数或总列数，N为所述子图像的总行数或总列数。
3.一种实现缓存的方法，其特征在于，包括：
将图像中的第一子图像加载到缓存中；其中，第一子图像为中心像素为图像的中心像素且大小与卷积核相同的图像；
判断出缓存未溢出，将图像中的第二子图像分别加载到缓存中，其中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像；以此类推，直到将边缘为图像的边缘且大小与卷积核相同的子图像分别加载到缓存中。
4.根据权利要求3所述的方法，其特征在于，当判断出所述缓存溢出时，所述将图像中的第二子图像分别加载到缓存中包括：
将所述图像中的第二子图像按照先进先出的方式分别加载到所述缓存中。
5.一种实现图像卷积的装置，其特征在于，至少包括：
第一缓存模块，用于将图像中的第一子图像加载到缓存中；其中，第一子图像为中心像素为图像的中心像素且大小与卷积核相同的图像；在上一次子图像与卷积核进行卷积后，将图像中的第二子图像分别加载到缓存中，其中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像；以此类推，直到将边缘为图像的边缘且大小与卷积核相同的子图像分别加载到缓存中；
卷积模块，用于将加载到缓存中的子图像与卷积核进行卷积。
6.根据权利要求5所述的装置，其特征在于，所述第一缓存模块具体用于：
将所述图像中的第一子图像加载到缓存中；其中，所述第一子图像为第或或行第或或列的像素为所述图像的第或或行第或或列的像素且大小与卷积核相同的图像，M为所述图像的总行数或总列数，N为所述子图像的总行数或总列数；在上一次子图像与卷积核进行卷积后，将图像中的第二子图像加载到缓存中，其中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像；以此类推，直到将边缘为图像的边缘且大小与卷积核相同的子图像分别加载到缓存中。
7.一种实现缓存的装置，其特征在于，至少包括：
第二缓存模块，用于将图像中的第一子图像加载到缓存中；其中，第一子图像为中心像素为图像的中心像素且大小与卷积核相同的图像；接收到第一通知消息，将图像中的第二子图像分别加载到缓存中，其中，第二子图像包括中心像素为上一次子图像的中心像素的外围像素且大小与卷积核相同的若干图像；以此类推，直到将边缘为图像的边缘且大小与卷积核相同的子图像分别加载到缓存中；
判断模块，用于判断出缓存未溢出，向第二缓存模块发送第一通知消息。
8.根据权利要求7所述的装置，其特征在于，所述判断模块还用于：
当判断出所述缓存溢出时，向所述第二缓存模块发送第二通知消息；
所述第二缓存模块还用于：
接收到所述第二通知消息，将所述图像中的第二子图像按照先进先出的方式分别加载到所述缓存中。
CN201510566679.5A 2015-09-08 2015-09-08 一种实现图像卷积的方法和装置、实现缓存的方法和装置 Active CN105243399B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510566679.5A CN105243399B (zh) 2015-09-08 2015-09-08 一种实现图像卷积的方法和装置、实现缓存的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510566679.5A CN105243399B (zh) 2015-09-08 2015-09-08 一种实现图像卷积的方法和装置、实现缓存的方法和装置

Publications (2)

Publication Number Publication Date
CN105243399A true CN105243399A (zh) 2016-01-13
CN105243399B CN105243399B (zh) 2018-09-25

Family

ID=55041040

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510566679.5A Active CN105243399B (zh) 2015-09-08 2015-09-08 一种实现图像卷积的方法和装置、实现缓存的方法和装置

Country Status (1)

Country Link
CN (1) CN105243399B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107766526A (zh) * 2017-10-26 2018-03-06 中国人民银行清算总中心 数据库访问方法、装置及系统
CN109165728A (zh) * 2018-08-06 2019-01-08 济南浪潮高新科技投资发展有限公司 一种卷积神经网络的基本计算单元及计算方法
CN110866862A (zh) * 2020-01-19 2020-03-06 光子算数(北京)科技有限责任公司 基于缓冲器的数据处理方法、装置、存储介质及电子设备
CN111295675A (zh) * 2017-11-14 2020-06-16 三星电子株式会社 用于使用内核来处理卷积运算的设备和方法
CN113570612A (zh) * 2021-09-23 2021-10-29 苏州浪潮智能科技有限公司 一种图像处理方法、装置及设备
CN114565501A (zh) * 2022-02-21 2022-05-31 格兰菲智能科技有限公司 用于卷积运算的数据加载方法及其装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101949768A (zh) * 2010-08-20 2011-01-19 中国科学院光电技术研究所 点源目标相关哈特曼-夏克波前斜率处理器及制造方法
US20130279786A1 (en) * 2010-12-22 2013-10-24 Koninklijke Philips Electronics N.V. Rapid parallel reconstruction for arbitrary k-space trajectories
CN103617625A (zh) * 2013-12-13 2014-03-05 中国气象局北京城市气象研究所 一种图像匹配方法及图像匹配装置
CN104463867A (zh) * 2014-12-08 2015-03-25 南华大学 一种基于信息量的快速sift提取方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101949768A (zh) * 2010-08-20 2011-01-19 中国科学院光电技术研究所 点源目标相关哈特曼-夏克波前斜率处理器及制造方法
US20130279786A1 (en) * 2010-12-22 2013-10-24 Koninklijke Philips Electronics N.V. Rapid parallel reconstruction for arbitrary k-space trajectories
CN103617625A (zh) * 2013-12-13 2014-03-05 中国气象局北京城市气象研究所 一种图像匹配方法及图像匹配装置
CN104463867A (zh) * 2014-12-08 2015-03-25 南华大学 一种基于信息量的快速sift提取方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107766526A (zh) * 2017-10-26 2018-03-06 中国人民银行清算总中心 数据库访问方法、装置及系统
CN107766526B (zh) * 2017-10-26 2020-04-28 中国人民银行清算总中心 数据库访问方法、装置及系统
CN111295675A (zh) * 2017-11-14 2020-06-16 三星电子株式会社 用于使用内核来处理卷积运算的设备和方法
US11675997B2 (en) 2017-11-14 2023-06-13 Samsung Eleotronicc Co., Ltd. Device and method for processing convolution operation using kernel
CN111295675B (zh) * 2017-11-14 2024-03-05 三星电子株式会社 用于使用内核来处理卷积运算的设备和方法
CN109165728A (zh) * 2018-08-06 2019-01-08 济南浪潮高新科技投资发展有限公司 一种卷积神经网络的基本计算单元及计算方法
CN109165728B (zh) * 2018-08-06 2020-12-18 浪潮集团有限公司 一种卷积神经网络的基本计算单元及计算方法
CN110866862A (zh) * 2020-01-19 2020-03-06 光子算数(北京)科技有限责任公司 基于缓冲器的数据处理方法、装置、存储介质及电子设备
CN113570612A (zh) * 2021-09-23 2021-10-29 苏州浪潮智能科技有限公司 一种图像处理方法、装置及设备
CN113570612B (zh) * 2021-09-23 2021-12-17 苏州浪潮智能科技有限公司 一种图像处理方法、装置及设备
CN114565501A (zh) * 2022-02-21 2022-05-31 格兰菲智能科技有限公司 用于卷积运算的数据加载方法及其装置
CN114565501B (zh) * 2022-02-21 2024-03-22 格兰菲智能科技有限公司 用于卷积运算的数据加载方法及其装置

Also Published As

Publication number Publication date
CN105243399B (zh) 2018-09-25

Similar Documents

Publication Publication Date Title
CN105243399A (zh) 一种实现图像卷积的方法和装置、实现缓存的方法和装置
US10791284B2 (en) Virtual linebuffers for image signal processors
EP3286724B1 (en) Two dimensional shift array for image processor
CN103049879B (zh) 一种基于fpga的红外图像预处理方法
EP3161793B1 (en) Adaptive partition mechanism with arbitrary tile shape for tile based rendering gpu architecture
JP6684951B2 (ja) 人工知能推論演算装置
CN108228057B (zh) 一种触控拐点的修正方法、装置及触控屏
CN108171662B (zh) 读取图像压缩数据的方法及包含该方法的反畸变方法
US10929965B2 (en) Histogram statistics circuit and multimedia processing system
CN103020902A (zh) 用于去雾图像的曝光增强方法和装置
WO2020082662A1 (zh) 一种图像亮度统计方法及成像设备
US20220253668A1 (en) Data processing method and device, storage medium and electronic device
CN113129212A (zh) 图像超分辨率重建方法、装置、终端设备及存储介质
JP2018050198A5 (ja) 情報処理装置、その制御方法、及びプログラム
CN109615067B (zh) 一种卷积神经网络的数据调度方法及装置
CN110738317A (zh) 基于fpga的可变形卷积网络运算方法、装置和系统
CN103810713A (zh) 一种八连通图像处理方法和装置
CN104657960A (zh) 一种灰度图像对比度拉伸方法及装置
WO2021128820A1 (zh) 数据处理方法、装置、设备、存储介质和程序产品
US10657620B2 (en) Pooling method, device, and system, computer-readable storage medium
CN116166185A (zh) 缓存方法、图像传输方法、电子设备及存储介质
EP3474224A1 (en) Graphics processing method and device
US11663453B2 (en) Information processing apparatus and memory control method
Sada et al. A dataflow pipelining architecture for tile segmentation with a sparse MobileNet on an FPGA
CN103150710A (zh) 一种用于图像的快速均值滤波方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant