CN110866862B - 基于缓冲器的数据处理方法、装置、存储介质及电子设备 - Google Patents

基于缓冲器的数据处理方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN110866862B
CN110866862B CN202010061049.3A CN202010061049A CN110866862B CN 110866862 B CN110866862 B CN 110866862B CN 202010061049 A CN202010061049 A CN 202010061049A CN 110866862 B CN110866862 B CN 110866862B
Authority
CN
China
Prior art keywords
image
sub
buffer
storage space
convolution
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.)
Active
Application number
CN202010061049.3A
Other languages
English (en)
Other versions
CN110866862A (zh
Inventor
吴建兵
李智
白冰
赵斌
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.)
Photon Arithmetic Beijing Technology Co ltd
Original Assignee
Photon Arithmetic Beijing Technology 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 Photon Arithmetic Beijing Technology Co ltd filed Critical Photon Arithmetic Beijing Technology Co ltd
Priority to CN202010061049.3A priority Critical patent/CN110866862B/zh
Publication of CN110866862A publication Critical patent/CN110866862A/zh
Application granted granted Critical
Publication of CN110866862B publication Critical patent/CN110866862B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00General purpose image data processing
    • G06T1/60Memory management

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Image Input (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种基于缓冲器的数据处理方法、装置、存储介质及电子设备,该数据处理方法首先基于缓冲器的存储空间以及卷积核的参数,确定出缓冲器的目标移动存储空间。然后,将待处理图像拆分成第一子图像以及至少一个第二子图像。之后,对第一子图像进行卷积处理,并在移除第一子图像中经过卷积处理且与目标移动存储空间的尺寸相同的待移除数据后,读取第二子图像至缓冲器,然后继续进行卷积处理。可见,本方案中,在第一次读取第一子图像的带宽数据后,只需读取第二子图像的带宽数据,而第二子图像的带宽数据要小于整个待处理图像的数据,因此本方案能够降低缓冲器的读取带宽,并重复利用缓冲器的有限存储空间,进而提高空间利用率。

Description

基于缓冲器的数据处理方法、装置、存储介质及电子设备
技术领域
本发明涉及数据计算技术领域,具体涉及一种基于缓冲器的数据处理方法、装置、存储介质及电子设备。
背景技术
在FPGA中,需要将从DDR读取的数据暂存在缓冲器buffer中。通常,FPGA的处理速度越快,其面积会越大,而面积越大会导致其成本越高,因此,考虑到成本等因素, FPGA中缓冲器的空间有限。
目前,在进行图像处理时,需要读取图像的全部数据,使得读取带宽较大。因此,如何提供一种基于缓冲器的数据处理方法,能够降低读取带宽的同时提高缓冲器利用率,是本领域技术人员亟待解决的一大技术难题。
发明内容
有鉴于此,本发明实施例提供了一种基于缓冲器的数据处理方法,能够降低读取带宽的同时提高缓冲器利用率。
为实现上述目的,本发明实施例提供如下技术方案:
一种基于缓冲器的数据处理方法,包括:
基于缓冲器的存储空间以及卷积核的参数,确定出所述缓冲器的目标移动存储空间;
将待处理图像拆分成第一子图像以及至少一个第二子图像,所述第一子图像的尺寸小于等于所述缓冲器的存储空间;
读取所述第一子图像至所述缓冲器,并基于预设移动步数以及所述卷积核,对所述第一子图像进行卷积处理;
移除所述第一子图像中经过所述卷积处理且与所述目标移动存储空间的尺寸相同的待移除数据,并读取所述第二子图像至所述缓冲器,生成中间数据;
对所述中间数据进行卷积处理。
可选的,所述基于缓冲器的存储空间以及卷积核的参数,确定出所述缓冲器的目标移动存储空间,包括:
获取待处理图像的像素参数、缓冲器的存储空间以及卷积核参数,其中,所述待处理图像的像素参数为M*N,所述缓冲器的存储空间为A*N,所述卷积核参数为k*k,M、N、A、k均为正整数;
确定所述目标移动存储空间的尺寸为(A-k)*N。
可选的,所述将所述待处理图像拆分成第一子图像以及至少一个第二子图像,包括:
将所述待处理图像拆分成与所述缓冲器的存储空间的尺寸相同的第一子图像,以及与所述目标移动存储空间的尺寸相同的第二子图像。
可选的,所述读取所述第一子图像至所述缓冲器,并基于预设移动步数以及所述卷积核,对所述第一子图像进行卷积处理,包括:
基于所述卷积核,沿行方向逐列移动预设行移动步数,对所述第一子图像进行行卷积处理;
沿列方向逐行移动预设列移动步数,对所述第一子图像进行列卷积处理。
一种基于缓冲器的数据处理装置,包括:
确定模块,用于基于缓冲器的存储空间以及卷积核的参数,确定出所述缓冲器的目标移动存储空间;
拆分模块,用于将待处理图像拆分成第一子图像以及至少一个第二子图像,所述第一子图像的尺寸小于等于所述缓冲器的存储空间;
读取模块,用于读取所述第一子图像至所述缓冲器,并基于预设移动步数以及所述卷积核,对所述第一子图像进行卷积处理;
移除模块,用于移除所述第一子图像中经过所述卷积处理且与所述目标移动存储空间的尺寸相同的待移除数据,并读取所述第二子图像至所述缓冲器,生成中间数据;
处理模块,用于对所述中间数据进行卷积处理。
可选的,所述确定模块包括:
获取单元,用于获取待处理图像的像素参数、缓冲器的存储空间以及卷积核参数,其中,所述待处理图像的像素参数为M*N,所述缓冲器的存储空间为A*N,所述卷积核参数为k*k;
确定单元,用于确定所述目标移动存储空间的尺寸为(A-k)*N。
可选的,所述拆分模块包括:
拆分单元,用于将所述待处理图像拆分成与所述缓冲器的存储空间的尺寸相同的第一子图像,以及与所述目标移动存储空间的尺寸相同的第二子图像。
可选的,所述读取模块包括:
第一处理单元,用于基于所述卷积核,沿行方向逐列移动预设行移动步数,对所述第一子图像进行行卷积处理;
第二处理单元,用于沿列方向逐行移动预设列移动步数,对所述第一子图像进行列卷积处理。
一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行任意一项上述的基于缓冲器的数据处理方法。
一种电子设备,设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行任意一项上述的基于缓冲器的数据处理方法。
基于上述技术方案,本发明提供了一种基于缓冲器的数据处理方法、装置、存储介质及电子设备,该数据处理方法首先基于缓冲器的存储空间以及卷积核的参数,确定出所述缓冲器的目标移动存储空间。然后,将待处理图像拆分成第一子图像以及至少一个第二子图像,其中,第一子图像的尺寸小于等于所述缓冲器的存储空间。之后,读取所述第一子图像至所述缓冲器,并基于预设移动步数以及所述卷积核,对所述第一子图像进行卷积处理。移除所述第一子图像中经过所述卷积处理且与所述目标移动存储空间的尺寸相同的待移除数据后,读取所述第二子图像至所述缓冲器,生成中间数据。然后,对所述中间数据进行卷积处理。可见,本方案先从第一子图像中移除与目标移动存储空间的尺寸相同的待移除数据,然后读取第二子图像,由于缓冲器的存储空间固定,因此,第二子图像所占缓冲器的存储空间势必要小于等于待移除数据占缓冲器的存储空间,而待移除数据为第一子图像中的部分数据,则待移除数据占用缓冲器的存储空间要小于第一子图像占用缓冲器的存储空间,又由于第一子图像的尺寸小于等于缓冲器的存储空间,因此,第二子图像的带宽数据要小于整个待处理图像的数据,即本方案能够降低缓冲器的读取带宽,并重复利用缓冲器的有限存储空间,进而提高空间利用率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种基于缓冲器的数据处理方法的流程示意图;
图2为本发明实施例提供的一种待处理图像以及卷积核的结构示意图;
图3为本发明实施例提供的一种卷积计算的示意图;
图4为本发明实施例提供的一种卷积计算的又一示意图;
图5为本发明实施例提供的一种卷积计算的又一示意图;
图6为本发明实施例提供的一种卷积计算的又一示意图;
图7为本发明实施例提供的一种基于缓冲器的数据处理方法的又一流程示意图;
图8为本发明实施例提供的一种基于缓冲器的数据处理方法的又一流程示意图;
图9为本发明实施例提供的一种基于缓冲器的数据处理方法的又一流程示意图;
图10为应用本发明实施例提供的一种基于缓冲器的数据处理方法的缓冲器数据流向示意图;
图11为本发明实施例提供的一种基于缓冲器的数据处理装置的结构示意图;
图12为本发明实施例提供的一种电子设备的硬件示意图。
具体实施方式
请参阅图1,图1为本发明实施例提供的一种基于缓冲器的数据处理方法的流程示意图,该数据处理方法用于降低读取带宽的同时提高缓冲器利用率,具体包括步骤:
S11、基于缓冲器的存储空间以及卷积核的参数,确定出所述缓冲器的目标移动存储空间。
在数字图像处理中,待处理的平面数字图像是通过一个像素矩阵进行呈现,图像中每个像素对应着矩阵中的每个元素。例如,假设一个图像的分辨率为1024*768,那么这个矩阵的行数为1024,列数为768。
目前,对图像进行滤波处理,是采用一个滤波器小矩阵(卷积核)对表征平面数字图像的像素矩阵中的每个元素进行矩阵计算,计算其周围像素和滤波器矩阵中对应位置的元素的乘积,然后将各乘积进行加和,作为该像素滤波后的新值。其中,卷积核通常为一个方阵,即该矩阵的行数与列数相同。
示意性,结合图2,假设待处理图像为一个5*5的像素矩阵,卷积核为一个3*3的方阵,步长为1,那么进行滤波的过程如下:
首先,如图3所示,将待处理图像中左上角的九个像素与卷积核进行计算,得到各乘积的加和(1*1+2*0+3*1+6*0+7*1+8*0+9*1+8*0+7*1)=27,作为卷积后结果(卷积特征)的第一个新值。
其次,如图4所示,沿待处理图像的行方向,移动一步,进行第二个新值的计算,为2*1+3*0+4*1+7*0+8*1+9*0+8*1+7*0+6*1=28。
之后,如图5所示,沿待处理图像的行方向,继续向右移动一步,进行第三个新值的计算,为3*1+4*0+5*1+8*0+9*1+0*0+7*1+6*0+5*1=29。
以此类推,如图6所示,进行九次卷积计算,得到3*3的卷积特征。
具体的,如图7所示,本发明实施例提供了一种基于缓冲器的存储空间以及卷积核的参数,确定出所述缓冲器的目标移动存储空间的具体实现方式,包括步骤:
S31、获取待处理图像的像素参数、缓冲器的存储空间以及卷积核参数。
其中,所述待处理图像的像素参数为M*N,所述缓冲器的存储空间为A*N,所述卷积核参数为k*k,M、N、A、k均为正整数。需要说明的是,在本实施中,由于缓冲器的存储空间有限,因此,A要小于M,即对待处理图像进行数据读取时,只能读取待处理图像中的部分数据,待部分数据进行卷积处理后,再进行其余部分的数据读取。
S32、确定所述目标移动存储空间的尺寸为(A-k)*N。
由于缓冲器的存储空间为A*N,即缓冲器一次能存储A*N的数据,而卷积核的参数为k*k,即每次卷积只能处理k*k个元素,因此,每次卷积都会留有(A-k)*N的数据。
正因为此,本发明实施例基于缓冲器的存储空间以及卷积核的参数,确定出所述缓冲器的目标移动存储空间,为(A-k)*N。
S12、将待处理图像拆分成第一子图像以及至少一个第二子图像。
结合上文可知,缓冲器的存储空间小于待处理图像的像素参数,因此,在本实施例中,将待处理图像拆分成第一子图像以及至少一个第二子图像。
其中,第一子图像的尺寸与所述缓冲器的存储空间的尺寸相同,第二子图像与目标移动存储空间的尺寸相同。
具体的,如图8所示,本发明实施例提供了一种将待处理图像拆分成第一子图像以及至少一个第二子图像的具体实现方式,包括步骤:
S41、将所述待处理图像拆分成与所述缓冲器的存储空间的尺寸相同的第一子图像,以及与所述目标移动存储空间的尺寸相同的第二子图像。
即,本实施例提供的步骤S41是对上述实施例中步骤S12的具体限定,其余步骤S11、S13、S14以及S15,均与本发明提供的其他实施例相同,在此不重复叙述。
需要说的是,为了最大化利用缓冲器的存储空间,因此在本实施例中,将第一子图像的尺寸设置成与缓冲器的存储空间的尺寸相同,这样,在缓冲器进行矩阵计算时,先读取第一子图像的数据,填满缓冲器。
S13、读取所述第一子图像至所述缓冲器,并基于预设移动步数以及所述卷积核,对所述第一子图像进行卷积处理。
具体的,在本实施例中,如图9所示,提供了一种读取所述第一子图像至所述缓冲器,并基于预设移动步数以及所述卷积核,对所述第一子图像进行卷积处理的具体实现方式,包括:
S51、基于所述卷积核,沿行方向逐列移动预设行移动步数,对所述第一子图像进行行卷积处理。
S52、沿列方向逐行移动预设列移动步数,对所述第一子图像进行列卷积处理。
可见,在本实施例中,首先对第一子图像进行行方向的卷积计算,当完成一次完整的行卷积后,卷积核向下移步,对该第一子图像进行下一行的行卷积。
S14、移除所述第一子图像中经过所述卷积处理且与所述目标移动存储空间的尺寸相同的待移除数据,并读取所述第二子图像至所述缓冲器,生成中间数据。
S15、对所述中间数据进行卷积处理。
由于本方案中,是先对第一子图像进行行方向的行卷积,因此,在进行完行卷积后,可以将位于图像最上面的与目标移动存储空间的尺寸相同的待移除数据移出缓冲器,然后添加第二子图像至缓冲器,则,此时,由于缓冲器中还留有第一子图像-目标移动存储空间的数据,因此缓冲器在进行第二次读取时,只需读取带宽为第二子图像的尺寸的数据,而第二子图像所占缓冲器的存储空间要小于等于待移除数据占缓冲器的存储空间,进而减少了读取带宽。除此,本方案并不会改变缓冲器的硬件结构,通过循环移除、读取的方式,提高了缓冲器的利用率。
示意性的,如图10所示,假设待处理图像的像素为225*225,缓冲器的空间大小为15(列)*225(行),卷积核尺寸为11*11。那么,本实施例提供的数据处理方法的处理流程如下:
(1)先将待处理图像中最上面的15*225的数据存入buffer中。
(2)然后,将11*11的卷积核在15*225的图像上做多次卷积,每次卷积完成后卷积核向右移步,每次卷积都会留有4*225。
(3)每当完成一次完整的行卷积,卷积核向下移步,同时将图像中最上面的4*225数据移除出buffer,新添加4*225数据,然后重复(2)的操作。
需要说明的是,上述仅为举例,其中,图像的像素、缓冲器的空间大小以及卷积核尺寸还可以为其他数值,例如,当卷积核的尺寸为9*9时,则每次卷积会留下6*225的数据,然后此时,第二子图像的尺寸可以设置成6*225。
除此,上述举例是以步长为1进行说明,但根据实际的设计需要,其步长还可以为其他数值,例如2等。
可见,本发明实施例充分利用有限空间的buffer,提高利用率。不用每次都读取全部的数据,可以利用还留在buffer的数据,减少读取带宽。提高性能的同时,不会加大成本。
在上述实施例的基础上,如图11所示,本发明实施例还提供了一种基于缓冲器的数据处理装置,包括:
确定模块71,用于基于缓冲器的存储空间以及卷积核的参数,确定出所述缓冲器的目标移动存储空间;
拆分模块72,用于将所述待处理图像拆分成第一子图像以及至少一个第二子图像;
读取模块73,用于读取所述第一子图像至所述缓冲器,并基于预设移动步数以及所述卷积核,对所述第一子图像进行卷积处理;
移除模块74,用于移除所述第一子图像中经过所述卷积处理且与所述目标移动存储空间的尺寸相同的待移除数据,并读取所述第二子图像至所述缓冲器,生成中间数据;
处理模块75,用于对所述中间数据进行卷积处理。
其中,所述确定模块可以包括:
获取单元,用于获取待处理图像的像素参数、缓冲器的存储空间以及卷积核参数,其中,所述待处理图像的像素参数为M*N,所述缓冲器的存储空间为A*N,所述卷积核参数为k*k。
确定单元,用于确定所述目标移动存储空间的尺寸为(A-k)*N。
在上述实施例提供的基于缓冲器的数据处理装置中,所述拆分模块可以包括:
拆分单元,用于将所述待处理图像拆分成与所述缓冲器的存储空间的尺寸相同的第一子图像,以及与所述目标移动存储空间的尺寸相同的第二子图像。
除此,所述读取模块可以包括:
第一处理单元,用于基于所述卷积核,沿行方向逐列移动预设行移动步数,对所述第一子图像进行行卷积处理。
第二处理单元,用于沿列方向逐行移动预设列移动步数,对所述第一子图像进行列卷积处理。
该装置的工作原理请参见上述方法实施例,在此不重复叙述。
基于缓冲器的数据处理装置包括处理器和存储器,上述确定模块、拆分模块、读取模块、移除模块以及处理模块等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来降低读取带宽的同时提高缓冲器利用率。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现所述基于缓冲器的数据处理方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行所述基于缓冲器的数据处理方法。
本发明实施例提供了一种设备,如图12所示,设备包括至少一个处理器81、以及与处理器连接的至少一个存储器82、总线83;其中,处理器、存储器通过总线完成相互间的通信;处理器用于调用存储器中的程序指令,以执行上述的基于光芯片的数据处理的方法。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
基于缓冲器的存储空间以及卷积核的参数,确定出所述缓冲器的目标移动存储空间;
将所述待处理图像拆分成第一子图像以及至少一个第二子图像;
读取所述第一子图像至所述缓冲器,并基于预设移动步数以及所述卷积核,对所述第一子图像进行卷积处理;
移除所述第一子图像中经过所述卷积处理且与所述目标移动存储空间的尺寸相同的待移除数据,并读取所述第二子图像至所述缓冲器,生成中间数据;
对所述中间数据进行卷积处理。
可选的,所述基于缓冲器的存储空间以及卷积核的参数,确定出所述缓冲器的目标移动存储空间,包括:
获取待处理图像的像素参数、缓冲器的存储空间以及卷积核参数,其中,所述待处理图像的像素参数为M*N,所述缓冲器的存储空间为A*N,所述卷积核参数为k*k,M、N、A、k均为正整数;
确定所述目标移动存储空间的尺寸为(A-k)*N。
可选的,所述将所述待处理图像拆分成第一子图像以及至少一个第二子图像,包括:
将所述待处理图像拆分成与所述缓冲器的存储空间的尺寸相同的第一子图像,以及与所述目标移动存储空间的尺寸相同的第二子图像。
可选的,所述读取所述第一子图像至所述缓冲器,并基于预设移动步数以及所述卷积核,对所述第一子图像进行卷积处理,包括:
基于所述卷积核,沿行方向逐列移动预设行移动步数,对所述第一子图像进行行卷积处理;
沿列方向逐行移动预设列移动步数,对所述第一子图像进行列卷积处理。
综上,本发明提供了一种基于缓冲器的数据处理方法、装置、存储介质及电子设备,该数据处理方法首先基于缓冲器的存储空间以及卷积核的参数,确定出所述缓冲器的目标移动存储空间。然后,将待处理图像拆分成第一子图像以及至少一个第二子图像,其中,第一子图像的尺寸小于等于所述缓冲器的存储空间。之后,读取所述第一子图像至所述缓冲器,并基于预设移动步数以及所述卷积核,对所述第一子图像进行卷积处理。移除所述第一子图像中经过所述卷积处理且与所述目标移动存储空间的尺寸相同的待移除数据后,读取所述第二子图像至所述缓冲器,生成中间数据。然后,对所述中间数据进行卷积处理。可见,本方案先从第一子图像中移除与目标移动存储空间的尺寸相同的待移除数据,然后读取第二子图像,由于缓冲器的存储空间固定,因此,第二子图像所占缓冲器的存储空间势必要小于等于待移除数据占缓冲器的存储空间,而待移除数据为第一子图像中的部分数据,则待移除数据占用缓冲器的存储空间要小于第一子图像占用缓冲器的存储空间,又由于第一子图像的尺寸小于等于缓冲器的存储空间,因此,第二子图像的带宽数据要小于整个待处理图像的数据,即本方案能够降低缓冲器的读取带宽,并重复利用缓冲器的有限存储空间,进而提高空间利用率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种基于缓冲器的数据处理方法,其特征在于,包括:
基于缓冲器的存储空间以及卷积核的参数,确定出所述缓冲器的目标移动存储空间;
将待处理图像拆分成第一子图像以及至少一个第二子图像,所述第一子图像的尺寸小于等于所述缓冲器的存储空间;
读取所述第一子图像至所述缓冲器,并基于预设移动步数以及所述卷积核,对所述第一子图像进行卷积处理;
移除所述第一子图像中经过所述卷积处理且与所述目标移动存储空间的尺寸相同的待移除数据,并读取所述第二子图像至所述缓冲器,生成中间数据,所述第二子图像的尺寸小于等于所述目标移动存储空间的尺寸;
对所述中间数据进行卷积处理;
所述基于缓冲器的存储空间以及卷积核的参数,确定出所述缓冲器的目标移动存储空间,包括:
获取待处理图像的像素参数、缓冲器的存储空间以及卷积核参数,其中,所述待处理图像的像素参数为M*N,所述缓冲器的存储空间为A*N,所述卷积核参数为k*k,M、N、A、k均为正整数;
确定所述目标移动存储空间的尺寸为(A-k)*N;
所述读取所述第一子图像至所述缓冲器,并基于预设移动步数以及所述卷积核,对所述第一子图像进行卷积处理,包括:
基于所述卷积核,沿行方向逐列移动预设行移动步数,对所述第一子图像进行行卷积处理;
沿列方向逐行移动预设列移动步数,对所述第一子图像进行列卷积处理。
2.根据权利要求1所述的基于缓冲器的数据处理方法,其特征在于,所述将所述待处理图像拆分成第一子图像以及至少一个第二子图像,包括:
将所述待处理图像拆分成与所述缓冲器的存储空间的尺寸相同的第一子图像,以及与所述目标移动存储空间的尺寸相同的第二子图像。
3.一种基于缓冲器的数据处理装置,其特征在于,包括:
确定模块,用于基于缓冲器的存储空间以及卷积核的参数,确定出所述缓冲器的目标移动存储空间;
拆分模块,用于将待处理图像拆分成第一子图像以及至少一个第二子图像,所述第一子图像的尺寸小于等于所述缓冲器的存储空间;
读取模块,用于读取所述第一子图像至所述缓冲器,并基于预设移动步数以及所述卷积核,对所述第一子图像进行卷积处理;
移除模块,用于移除所述第一子图像中经过所述卷积处理且与所述目标移动存储空间的尺寸相同的待移除数据,并读取所述第二子图像至所述缓冲器,生成中间数据,所述第二子图像的尺寸小于等于所述目标移动存储空间的尺寸;
处理模块,用于对所述中间数据进行卷积处理;
所述确定模块包括:
获取单元,用于获取待处理图像的像素参数、缓冲器的存储空间以及卷积核参数,其中,所述待处理图像的像素参数为M*N,所述缓冲器的存储空间为A*N,所述卷积核参数为k*k;
确定单元,用于确定所述目标移动存储空间的尺寸为(A-k)*N;
所述读取模块包括:
第一处理单元,用于基于所述卷积核,沿行方向逐列移动预设行移动步数,对所述第一子图像进行行卷积处理;
第二处理单元,用于沿列方向逐行移动预设列移动步数,对所述第一子图像进行列卷积处理。
4.根据权利要求3所述的基于缓冲器的数据处理装置,其特征在于,所述拆分模块包括:
拆分单元,用于将所述待处理图像拆分成与所述缓冲器的存储空间的尺寸相同的第一子图像,以及与所述目标移动存储空间的尺寸相同的第二子图像。
5.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行权利要求1至2中任意一项所述的基于缓冲器的数据处理方法。
6.一种电子设备,设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线;其中,所述处理器、所述存储器通过所述总线完成相互间的通信;所述处理器用于调用所述存储器中的程序指令,以执行如权利要求1至2中任意一项所述的基于缓冲器的数据处理方法。
CN202010061049.3A 2020-01-19 2020-01-19 基于缓冲器的数据处理方法、装置、存储介质及电子设备 Active CN110866862B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010061049.3A CN110866862B (zh) 2020-01-19 2020-01-19 基于缓冲器的数据处理方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010061049.3A CN110866862B (zh) 2020-01-19 2020-01-19 基于缓冲器的数据处理方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN110866862A CN110866862A (zh) 2020-03-06
CN110866862B true CN110866862B (zh) 2020-05-15

Family

ID=69660078

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010061049.3A Active CN110866862B (zh) 2020-01-19 2020-01-19 基于缓冲器的数据处理方法、装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN110866862B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111008982A (zh) * 2020-03-10 2020-04-14 光子算数(北京)科技有限责任公司 基于光子神经网络芯片的数据处理方法及相关装置或设备
CN112215745A (zh) * 2020-09-30 2021-01-12 深圳云天励飞技术股份有限公司 图像处理方法、装置及电子设备
CN112183732A (zh) * 2020-10-22 2021-01-05 中国人民解放军国防科技大学 卷积神经网络加速方法、装置和计算机设备
CN113327217B (zh) * 2021-05-31 2024-03-22 上海阵量智能科技有限公司 一种卷积处理方法、装置、计算机设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105243399B (zh) * 2015-09-08 2018-09-25 浪潮(北京)电子信息产业有限公司 一种实现图像卷积的方法和装置、实现缓存的方法和装置
GB201607713D0 (en) * 2016-05-03 2016-06-15 Imagination Tech Ltd Convolutional neural network
CN107967669B (zh) * 2017-11-24 2022-08-09 腾讯科技(深圳)有限公司 图片处理的方法、装置、计算机设备及存储介质
CN108681984B (zh) * 2018-07-26 2023-08-15 珠海一微半导体股份有限公司 一种3*3卷积算法的加速电路

Also Published As

Publication number Publication date
CN110866862A (zh) 2020-03-06

Similar Documents

Publication Publication Date Title
CN110866862B (zh) 基于缓冲器的数据处理方法、装置、存储介质及电子设备
CN110781923B (zh) 特征提取方法及装置
JP2021100247A (ja) 歪んだドキュメント画像の矯正方法及び装置
CN112991142B (zh) 图像数据的矩阵运算方法、装置、设备及存储介质
CN109871841B (zh) 图像处理方法、装置、终端及存储介质
CN111428189B (zh) 一种用于反卷积运算的数据预处理方法及装置
CN110599586A (zh) 一种半稠密场景重建方法、装置、电子设备及存储介质
CN111161195A (zh) 一种特征图处理方法、装置、存储介质及终端
CN111476718A (zh) 一种图像放大方法、装置、存储介质及终端设备
CN116091321B (zh) 图像缩放方法、装置、设备及存储介质
CN114926342A (zh) 图像超分辨率重建模型构建方法、装置、设备及存储介质
CN110782406A (zh) 一种基于信息蒸馏网络的图像去噪方法及装置
CN110443751B (zh) 基于绘画线条的图像变形方法、装置、设备及存储介质
CN110557522A (zh) 一种去除视频抖动的方法及装置
CN112819701B (zh) 一种图像去噪方法、系统及电子设备
CN111062878A (zh) 图像的去噪方法、装置及计算机可读存储介质
CN107862316B (zh) 卷积运算方法及装置
CN111079643B (zh) 基于神经网络的人脸检测方法、装置和电子设备
CN111372084B (zh) 面向神经网络编解码工具的并行推理方法及系统
Takemura Optimize deep super-resolution and denoising for compressed textures
CN111429334A (zh) 一种数据处理方法、装置、存储介质及电子设备
CN111489418A (zh) 图像处理方法、装置、设备及计算机可读存储介质
CN111008982A (zh) 基于光子神经网络芯片的数据处理方法及相关装置或设备
CN111142751A (zh) 一种图像处理方法、装置、智能终端及存储介质
CN104978712A (zh) 图像处理方法及装置

Legal Events

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