CN117196932A - 图像处理方法及装置、设备和介质 - Google Patents
图像处理方法及装置、设备和介质 Download PDFInfo
- Publication number
- CN117196932A CN117196932A CN202311170382.8A CN202311170382A CN117196932A CN 117196932 A CN117196932 A CN 117196932A CN 202311170382 A CN202311170382 A CN 202311170382A CN 117196932 A CN117196932 A CN 117196932A
- Authority
- CN
- China
- Prior art keywords
- data
- memory
- feature data
- sub
- image
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 97
- 230000004044 response Effects 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims description 54
- 230000008569 process Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 18
- 239000000945 filler Substances 0.000 claims description 9
- 108010001267 Protein Subunits Proteins 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 21
- 238000013473 artificial intelligence Methods 0.000 abstract description 10
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 230000004913 activation Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000010606 normalization Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 125000002015 acyclic group Chemical group 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本公开提供了一种图像处理方法及装置、设备和介质,涉及计算机技术领域,尤其涉及芯片技术、人工智能技术和图像处理技术领域。实现方案为:从第一存储器中读取按照预设顺序排列的多个图像,并写入能够被处理单元读写的第二存储器;利用处理单元从第二存储器中读取多个图像;确定与多个图像分别对应的多个第一特征数据;针对每个第一特征数据,基于该第一特征数据的数据量和预设数据量,确定填充数据;拼接该第一特征数据和填充数据,以得到具有预设数据量的第二特征数据;按照预设顺序将多个第二特征数据依次写入第二存储器;响应于确定第二存储器中存储的第二特征数据的数据量达到预设阈值,将第二存储器中存储的第二特征数据搬运至第一存储器。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及芯片技术、人工智能技术和图像处理技术领域,具体涉及一种图像处理方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
随着人工智能技术的发展,越来越多的应用基于人工智能技术取得了远超过传统算法的效果。深度学习是数据密集型算法和计算密集型算法,为了提高基于人工智能技术进行图像处理的效率,需要合理地利用图像处理装置的硬件资源,降低处理时延。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种图像处理方法、装置、芯片、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种由图像处理装置执行的图像处理方法,所述图像处理装置包括处理单元,所述方法包括:从第一存储器中读取按照预设顺序排列的多个图像,并写入能够被所述处理单元读写的第二存储器;利用所述处理单元从所述第二存储器中读取所述多个图像;确定与所述多个图像分别对应的多个第一特征数据;针对所述多个第一特征数据中的每个第一特征数据执行第一处理,以得到具有预设数据量的第二特征数据,所述第一处理包括:基于该第一特征数据的数据量和所述预设数据量,确定第一数量,以得到由第一数量的填充元素构成的填充数据;以及拼接该第一特征数据和所述填充数据,以得到所述第二特征数据;按照所述预设顺序,将与所述多个第一特征数据分别对应的多个第二特征数据依次写入所述第二存储器;以及响应于确定所述第二存储器中存储的第二特征数据的数据量达到预设阈值,将所述第二存储器中存储的第二特征数据搬运至所述第一存储器。
根据本公开的一方面,提供了一种图像处理装置,包括:处理单元;写入单元,被配置为从第一存储器中读取按照预设顺序排列的多个图像,并写入能够被所述处理单元读写的第二存储器,其中,所述处理单元包括:读取子单元,被配置为从所述第二存储器中读取所述多个图像;第一确定子单元,被配置为确定与所述多个图像分别对应的多个第一特征数据;处理子单元,被配置为针对所述多个第一特征数据中的每个第一特征数据执行第一处理,以得到具有预设数据量的第二特征数据,所述第一处理包括:基于该第一特征数据的数据量和所述预设数据量,确定第一数量,以得到由第一数量的填充元素构成的填充数据;以及拼接该第一特征数据和所述填充数据,以得到所述第二特征数据;第一写入子单元,被配置为按照所述预设顺序,将与所述多个第一特征数据分别对应的多个第二特征数据依次写入所述第二存储器;以及搬运单元,被配置为响应于确定所述第二存储器中存储的第二特征数据的数据量达到预设阈值,将所述第二存储器中存储的第二特征数据搬运至所述第一存储器。
根据本公开的一方面,提供了一种芯片,包括如上所述的图像处理装置。
根据本公开的一方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述图像处理方法。
根据本公开的一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述图像处理方法。
根据本公开的一方面,提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时能够实现上述图像处理方法。
根据本公开的一个或多个实施例,可以提升图像处理效率。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开示例性实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开示例性实施例的图像处理方法的流程图;
图3A-图3B示出了根据本公开示例性实施例的图像处理过程的示意图;
图4示出了根据本公开示例性实施例的图像处理装置的结构框图;
图5示出了能够用于实现本公开实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
相关技术中,当需要利用处理单元来提取多个图像的特征数据时,需要先将多个图像从用于存储原始图像的第一存储器搬运至能够与处理单元直接交互的第二存储器,每计算完成一个图像的特征数据后即需要将其写回第一存储器,导致碎片化的写请求,带来数据读写的中断时延。
基于此,本公开提供一种图像处理方法,在利用处理单元提取多个图像的特征数据时,将每个图像的第一特征数据转换为具有预设数据量的第二特征数据,实现特征数据的长度对齐,进而将多个特征数据暂存在第二存储器中,当暂存数据达到一定长度时再统一写回第一存储器,有效减少数据写操作,提升图像处理效率,并且能够基于预设数据量来正确拆分暂存的特征数据,避免暂存操作影响图像处理的正确性。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行图像处理方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来发送待处理的图像。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类别的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类别和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类别的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类别。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类别的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
图2示出了根据本公开示例性实施例的由图像处理装置执行的图像处理方法200的流程图,所述图像处理装置包括处理单元。如图2所示,方法200包括:
步骤S210、从第一存储器中读取按照预设顺序排列的多个图像,并写入能够被所述处理单元读写的第二存储器;
步骤S220、利用所述处理单元从所述第二存储器中读取所述多个图像;
步骤S230、确定与所述多个图像分别对应的多个第一特征数据;
步骤S240、针对所述多个第一特征数据中的每个第一特征数据执行第一处理,以得到具有预设数据量的第二特征数据,
其中,步骤S240中的第一处理包括:
步骤S241、基于该第一特征数据的数据量和所述预设数据量,确定第一数量,以得到由第一数量的填充元素构成的填充数据;以及
步骤S242、拼接该第一特征数据和所述填充数据,以得到所述第二特征数据;
步骤S250、按照所述预设顺序,将与所述多个第一特征数据分别对应的多个第二特征数据依次写入所述第二存储器;以及
步骤S260、响应于确定所述第二存储器中存储的第二特征数据的数据量达到预设阈值,将所述第二存储器中存储的第二特征数据搬运至所述第一存储器。
通过应用上述的方法200,在利用处理单元提取多个图像的特征数据时,通过执行特征数据的转换操作来实现第二特征数据的长度对齐,进而能够将具有统一的预设数据量的第二特征数据暂存在第二存储器中,当暂存数据达到一定长度时再统一写回第一存储器,有效减少数据写操作,降低图像处理的时延以提升效率。
在一些示例中,第一存储器可以是容量较大的主存储器,第二存储器可以是能够与处理单元直接交互的高速缓存。通过结合利用读写速度低、容量大的第一存储器和读写速度高、容量小的第二存储器,能够更合理地利用硬件资源,提升图像处理效率。
在一些示例中,图像处理装置中的处理单元可以是图形处理器(GraphicsProcessing Unit,GPU)、中央处理器(Central Processing Unit,CPU),或者是各种类型的计算芯片、计算阵列等逻辑器件,本公开对此不作限定。
在一些示例中,预设阈值可以是预先由人工根据需求配置的,例如可以是根据第二存储器的最大存储容量或者是根据第一存储器和第二存储器之间的数据传输链路的传输带宽来设置。
在一些示例中,第二特征数据的数据量的预设阈值可以是以图像为单位,例如可以是指N个图像的特征数据,即对应N倍的预设数据量。
在一些示例中,第二特征数据可以由具有预设大小的单位特征数据组成的,在这种情况下,预设阈值可以是以单位特征数据为单位,即可以将单个图像的特征数据拆分为不同批次进行搬运。通过进一步细化数据对齐和搬运的粒度,能够提升处理效率。
根据一些实施例,方法200还包括:响应于确定待针对所述多个第二特征数据中的目标特征数据执行第二处理,基于所述预设数据量,从所述多个第二特征数据中确定所述目标特征数据;以及基于所述目标特征数据执行所述第二处理。由此,能够在对多个第二特征数据进行统一的暂存和搬运的情况下,基于预设数据量来对拼接搬运的第二特征数据进行拆分,以得到正确的目标特征数据,在提升效率的同时保证图像处理的正确性。
根据一些实施例,所述第一特征数据中的每个元素为第一数据格式,所述填充元素为第二数据格式,所述第二数据格式的位宽小于所述第一数据格式的位宽,并且其中,针对每个第一特征数据的第一处理还包括:针对该第一特征数据中的每个元素,将该元素转换为具有所述第二数据格式的转换元素,以得到第三特征数据,其中,所述拼接该第一特征数据和所述填充数据,以得到所述第二特征数据包括:拼接所述第三特征数据和所述填充数据,以得到所述第二特征数据。由此,能够对第一特征数据进行进一步压缩,将转换为位宽更小的数据,以提升图像处理效率。可以理解地,在第二存储器的存储容量不变的情况下,通过对压缩后的特征数据进行对齐和拼接暂存,即能够在第二存储器中暂存更多组特征数据,以进一步减少写操作的次数,提升图像处理效率。
在一些示例中,第三特征数据可以是比特数据,即将特征图转换为比特图,以实现数据量的压缩。
根据一些实施例,所述第一存储器包括第一子单元和第二子单元,所述第一子单元中存储有所述多个图像,所述从第一存储器中读取按照预设顺序排列的多个图像,以写入第二存储器包括:基于所述多个图像,确定多个子图像数据,所述多个子图像数据包括第一子图像数据和第二子图像数据;将所述第一子图像数据写入所述第二子单元,以使得所述第一子图像数据能够被从所述第二子单元中读取;以及响应于确定所述第一子图像数据已被读取,将所述第二子图像数据写入所述第二子单元,并且其中,所述响应于确定所述第二存储器中存储的第二特征数据的数据量达到预设阈值,将所述第二存储器中存储的第二特征数据搬运至所述第一存储器包括:响应于确定所述第二存储器中存储的第二特征数据的数据量达到预设阈值,并且响应于确定待基于所述第二存储器中存储的第二特征数据执行所述第二处理,将所述第二存储器中存储的第二特征数据搬运至所述第二子单元。
由此,能够将第一存储器设置为多级存储系统,例如可以包含第一子单元和第二子单元。在这种情况下,待处理的图像数据需要经过第一子单元→第二子单元→第二存储器的逐级搬运,当确定还需要针对第二特征数据执行再一次处理时,即可将其暂存在更靠近第二存储器的第二子单元,以减少数据搬运时延,进一步提升图像处理效率。
根据一些实施例,所述将所述第二存储器中存储的第二特征数据搬运至所述第二子单元包括:响应于确定所述第二子单元中存在目标存储位置,将所述第二存储器中存储的第二特征数据搬运至所述目标存储位置,其中,所述目标存储位置中不包括未被读取的子图像数据。由此,能够在确保目标存储位置中的数据已被读取的情况下,利用该位置暂存第二特征数据,以避免数据丢失,保证图像处理的正确性。
根据一些实施例,所述多个图像中的每个图像包括第一图像通道和第二图像通道,所述多个特征数据中的每个特征数据包括与所述第一图像通道对应的第一子特征数据和与所述第二图像通道对应的第二子特征数据,并且其中,所述基于所述多个图像,确定多个子图像数据包括:基于所述多个图像中每个图像的第一图像通道,确定所述第一子图像数据;以及基于所述多个图像中每个图像的第二图像通道,确定所述第二子图像数据。
对应交底书实施例,当第一特征数据的提取是以图像通道为单位时,按照通道维度来划分图像数据,相当于在第一子单元和第二子单元之间执行提取通道的操作,无需处理单元跳跃地读取通道数据,以提升处理效率
图3A-图3B示出了根据本公开示例性实施例的图像处理过程的示意图。
在这一示例中,图像处理方法200可以是应用于图像处理模型的推理或训练过程中。
在一些示例中,图像处理模型的推理或训练流程可以表示为由多种类型的算子构成的有向无环计算图。多种类型的算子可以包括卷积算子、批归一化算子、向量加法算子、激活算子、查找最大值算子、池化算子等。
在一些示例中,计算图中由批归一化算子、向量加法算子、激活算子、查找最大值算子串联而成的序列的出现频次较高。基于上述四个算子串联而成的序列来构建融合算子,能够减少算子间的数据读写操作,提升计算图执行的效率。
在一些示例中,可以是根据在图像处理模型的推理或训练流程中基于输入的任务信息来调用融合算子执行计算。例如,当输入的任务信息指示需要基于批归一化算子、向量加法算子、激活算子、查找最大值算子串联而成的序列进行计算时,即顺序调用融合算子中所包含的上述四种算子。当输入的任务信息指示仅需基于批归一化算子和激活算子进行计算时,即仅顺序调用融合算子中的批归一化算子和激活算子。
在一些示例中,用于执行图像处理的计算过程的处理单元可以包含高速缓存,即对应了前文所描述的与处理单元直接交互的第二存储器。进一步地,第一存储器可以为包含第一子单元和第二子单元的多级存储系统,即对应不同层级的缓存。
如图3A所示,可以是对输入的图像数据按照通道维度进行划分,根据第一存储器中第二子单元的大小,每次从第一子单元中拷贝多个图像通道的子图像数据至第二子单元,以使得处理单元能够从第二子单元读取数据并执行初步计算,当确定初步计算所得到的中间结果还需要参与进一步的剩余计算时,即可将中间结果写回第二子单元,继而能够从第二子单元直接读取中间结果并执行剩余计算,无需再执行由第一子单元至第二子单元的数据搬运,以提升图像处理效率。
如图3B所示,在利用处理单元提取多个图像的特征数据后,通过将每个图像的第一特征数据与其相应的填充数据拼接,能够实现特征数据的长度对齐,即得到具有统一的预设数据量的第二特征数据。
在一些示例中,第一特征数据可以是激活算子所输出的激活函数特征图。进一步地,在一个示例中,可以对第一特征数据进行进一步压缩,将激活函数整图转换为比特图,以减少数据量,提升图像处理效率。
根据本公开的一方面,还提供一种图像处理装置。图4示出了根据本公开示例性实施例的图像处理装置400的结构框图。如图4所示,装置400包括:
处理单元410;
写入单元420,被配置为从第一存储器中读取按照预设顺序排列的多个图像,并写入能够被所述处理单元读写的第二存储器,
其中,处理单元410包括:
读取子单元411,被配置为从所述第二存储器中读取所述多个图像;
第一确定子单元412,被配置为确定与所述多个图像分别对应的多个第一特征数据;
处理子单元413,被配置为针对所述多个第一特征数据中的每个第一特征数据执行第一处理,以得到具有预设数据量的第二特征数据,所述第一处理包括:基于该第一特征数据的数据量和所述预设数据量,确定第一数量,以得到由第一数量的填充元素构成的填充数据;以及拼接该第一特征数据和所述填充数据,以得到所述第二特征数据;以及
第一写入子单元414,被配置为按照所述预设顺序,将与所述多个第一特征数据分别对应的多个第二特征数据依次写入所述第二存储器;
以及搬运单元430,被配置为响应于确定所述第二存储器中存储的第二特征数据的数据量达到预设阈值,将所述第二存储器中存储的第二特征数据搬运至所述第一存储器。
根据一些实施例,所述第一特征数据中的每个元素为第一数据格式,所述填充元素为第二数据格式,所述第二数据格式的位宽小于所述第一数据格式的位宽,并且其中,针对每个第一特征数据的第一处理还包括:针对该第一特征数据中的每个元素,将该元素转换为具有所述第二数据格式的转换元素,以得到第三特征数据,其中,所述拼接该第一特征数据和所述填充数据,以得到所述第二特征数据包括:拼接所述第三特征数据和所述填充数据,以得到所述第二特征数据。
根据一些实施例,所述第一存储器包括第一子单元和第二子单元,所述第一子单元中存储有所述多个图像,所述写入单元420包括:第二确定子单元基于所述多个图像,确定多个子图像数据,所述多个子图像数据包括第一子图像数据和第二子图像数据;第二写入子单元,被配置为将所述第一子图像数据写入所述第二子单元,以使得所述第一子图像数据能够被从所述第二子单元中读取,所述第二写入子单元还被配置为响应于确定所述第一子图像数据已被读取,将所述第二子图像数据写入所述第二子单元,并且其中,所述搬运单元430被配置为:响应于确定所述第二存储器中存储的第二特征数据的数据量达到预设阈值,并且响应于确定待基于所述第二存储器中存储的第二特征数据执行所述第二处理,将所述第二存储器中存储的第二特征数据搬运至所述第二子单元。
根据一些实施例,所述搬运单元430被配置为:响应于确定所述第二子单元中存在目标存储位置,将所述第二存储器中存储的第二特征数据搬运至所述目标存储位置,其中,所述目标存储位置中不包括未被读取的子图像数据。
根据一些实施例,所述多个图像中的每个图像包括第一图像通道和第二图像通道,所述多个特征数据中的每个特征数据包括与所述第一图像通道对应的第一子特征数据和与所述第二图像通道对应的第二子特征数据,并且其中,所述第二确定子单元被配置为:基于所述多个图像中每个图像的第一图像通道,确定所述第一子图像数据;以及基于所述多个图像中每个图像的第二图像通道,确定所述第二子图像数据。
根据一些实施例,装置400还包括:确定单元,被配置为响应于确定待针对所述多个第二特征数据中的目标特征数据执行第二处理,基于所述预设数据量,从所述多个第二特征数据中确定所述目标特征数据,其中,所述处理单元410还被配置为基于所述目标特征数据执行所述第二处理。
应当理解,图4中所示图像处理装置400的各个单元的操作可以与图2描述的图像处理方法200中的各个步骤相对应。由此,上面针对方法200描述的操作、特征和优点同样适用于装置400及其包括的各个单元。为了简洁起见,某些操作、特征和优点在此不再赘述。
根据本公开的一方面,还包括一种芯片,包括如上所述的图像处理装置400。
根据本公开的一方面,还提供一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述的图像处理方法。
根据本公开的一方面,还提供一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述的图像处理方法。
根据本公开的一方面,还提供一种计算机程序产品,包括计算机程序,其中,所述计算机程序再被处理器执行时实现上述的图像处理方法。
参考图5,现将描述可以作为本公开的服务器或客户端的电子设备500的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506、输出单元507、存储单元508以及通信单元509。输入单元506可以是能向设备500输入信息的任何类别的设备,输入单元506可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元507可以是能呈现信息的任何类别的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元508可以包括但不限于磁盘、光盘。通信单元509允许设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理,例如图像处理方法。例如,在一些实施例中,图像处理方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的图像处理方法的一个或多个步骤。备选地,在其他实施例中,计算单元501可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行图像处理方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (16)
1.一种由图像处理装置执行的图像处理方法,所述图像处理装置包括处理单元,所述方法包括:
从第一存储器中读取按照预设顺序排列的多个图像,并写入能够被所述处理单元读写的第二存储器;
利用所述处理单元从所述第二存储器中读取所述多个图像;
确定与所述多个图像分别对应的多个第一特征数据;
针对所述多个第一特征数据中的每个第一特征数据执行第一处理,以得到具有预设数据量的第二特征数据,所述第一处理包括:
基于该第一特征数据的数据量和所述预设数据量,确定第一数量,以得到由第一数量的填充元素构成的填充数据;以及
拼接该第一特征数据和所述填充数据,以得到所述第二特征数据;按照所述预设顺序,将与所述多个第一特征数据分别对应的多个第二特征数据依次写入所述第二存储器;以及
响应于确定所述第二存储器中存储的第二特征数据的数据量达到预设阈值,将所述第二存储器中存储的第二特征数据搬运至所述第一存储器。
2.如权利要求1所述的方法,其中,所述第一特征数据中的每个元素为第一数据格式,所述填充元素为第二数据格式,所述第二数据格式的位宽小于所述第一数据格式的位宽,并且其中,针对每个第一特征数据的第一处理还包括:
针对该第一特征数据中的每个元素,将该元素转换为具有所述第二数据格式的转换元素,以得到第三特征数据,
其中,所述拼接该第一特征数据和所述填充数据,以得到所述第二特征数据包括:
拼接所述第三特征数据和所述填充数据,以得到所述第二特征数据。
3.如权利要求1或2所述的方法,其中,所述第一存储器包括第一子单元和第二子单元,所述第一子单元中存储有所述多个图像,所述从第一存储器中读取按照预设顺序排列的多个图像,以写入第二存储器包括:
基于所述多个图像,确定多个子图像数据,所述多个子图像数据包括第一子图像数据和第二子图像数据;
将所述第一子图像数据写入所述第二子单元,以使得所述第一子图像数据能够被从所述第二子单元中读取;以及
响应于确定所述第一子图像数据已被读取,将所述第二子图像数据写入所述第二子单元,
并且其中,所述响应于确定所述第二存储器中存储的第二特征数据的数据量达到预设阈值,将所述第二存储器中存储的第二特征数据搬运至所述第一存储器包括:
响应于确定所述第二存储器中存储的第二特征数据的数据量达到预设阈值,并且响应于确定待基于所述第二存储器中存储的第二特征数据执行所述第二处理,将所述第二存储器中存储的第二特征数据搬运至所述第二子单元。
4.如权利要求3所述的方法,其中,所述将所述第二存储器中存储的第二特征数据搬运至所述第二子单元包括:
响应于确定所述第二子单元中存在目标存储位置,将所述第二存储器中存储的第二特征数据搬运至所述目标存储位置,其中,所述目标存储位置中不包括未被读取的子图像数据。
5.如权利要求3或4所述的方法,其中,所述多个图像中的每个图像包括第一图像通道和第二图像通道,所述多个特征数据中的每个特征数据包括与所述第一图像通道对应的第一子特征数据和与所述第二图像通道对应的第二子特征数据,
并且其中,所述基于所述多个图像,确定多个子图像数据包括:
基于所述多个图像中每个图像的第一图像通道,确定所述第一子图像数据;以及
基于所述多个图像中每个图像的第二图像通道,确定所述第二子图像数据。
6.如权利要求1-5中任一项所述的方法,还包括:
响应于确定待针对所述多个第二特征数据中的目标特征数据执行第二处理,基于所述预设数据量,从所述多个第二特征数据中确定所述目标特征数据;以及
基于所述目标特征数据执行所述第二处理。
7.一种图像处理装置,包括:
处理单元;
写入单元,被配置为从第一存储器中读取按照预设顺序排列的多个图像,并写入能够被所述处理单元读写的第二存储器,
其中,所述处理单元包括:
读取子单元,被配置为从所述第二存储器中读取所述多个图像;
第一确定子单元,被配置为确定与所述多个图像分别对应的多个第一特征数据;
处理子单元,被配置为针对所述多个第一特征数据中的每个第一特征数据执行第一处理,以得到具有预设数据量的第二特征数据,
所述第一处理包括:
基于该第一特征数据的数据量和所述预设数据量,确定第一数量,以得到由第一数量的填充元素构成的填充数据;以及
拼接该第一特征数据和所述填充数据,以得到所述第二特征数据;第一写入子单元,被配置为按照所述预设顺序,将与所述多个第一特征数据分别对应的多个第二特征数据依次写入所述第二存储器;以及
搬运单元,被配置为响应于确定所述第二存储器中存储的第二特征数据的数据量达到预设阈值,将所述第二存储器中存储的第二特征数据搬运至所述第一存储器。
8.如权利要求7所述的装置,其中,所述第一特征数据中的每个元素为第一数据格式,所述填充元素为第二数据格式,所述第二数据格式的位宽小于所述第一数据格式的位宽,并且其中,针对每个第一特征数据的第一处理还包括:
针对该第一特征数据中的每个元素,将该元素转换为具有所述第二数据格式的转换元素,以得到第三特征数据,
其中,所述拼接该第一特征数据和所述填充数据,以得到所述第二特征数据包括:
拼接所述第三特征数据和所述填充数据,以得到所述第二特征数据。
9.如权利要求7或8所述的装置,其中,所述第一存储器包括第一子单元和第二子单元,所述第一子单元中存储有所述多个图像,所述写入单元包括:
第二确定子单元基于所述多个图像,确定多个子图像数据,所述多个子图像数据包括第一子图像数据和第二子图像数据;
第二写入子单元,被配置为将所述第一子图像数据写入所述第二子单元,以使得所述第一子图像数据能够被从所述第二子单元中读取,
所述第二写入子单元还被配置为响应于确定所述第一子图像数据已被读取,将所述第二子图像数据写入所述第二子单元,
并且其中,所述搬运单元被配置为:
响应于确定所述第二存储器中存储的第二特征数据的数据量达到预设阈值,并且响应于确定待基于所述第二存储器中存储的第二特征数据执行所述第二处理,将所述第二存储器中存储的第二特征数据搬运至所述第二子单元。
10.如权利要求9所述的装置,其中,所述搬运单元被配置为:
响应于确定所述第二子单元中存在目标存储位置,将所述第二存储器中存储的第二特征数据搬运至所述目标存储位置,其中,所述目标存储位置中不包括未被读取的子图像数据。
11.如权利要求9或10所述的装置,其中,所述多个图像中的每个图像包括第一图像通道和第二图像通道,所述多个特征数据中的每个特征数据包括与所述第一图像通道对应的第一子特征数据和与所述第二图像通道对应的第二子特征数据,
并且其中,所述第二确定子单元被配置为:
基于所述多个图像中每个图像的第一图像通道,确定所述第一子图像数据;以及
基于所述多个图像中每个图像的第二图像通道,确定所述第二子图像数据。
12.如权利要求7-11中任一项所述的装置,还包括:
确定单元,被配置为响应于确定待针对所述多个第二特征数据中的目标特征数据执行第二处理,基于所述预设数据量,从所述多个第二特征数据中确定所述目标特征数据,
其中,所述处理单元还被配置为基于所述目标特征数据执行所述第二处理。
13.一种芯片,包括如权利要求7-12中任一项所述的图像处理装置。
14.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的方法。
15.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-6中任一项所述的方法。
16.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311170382.8A CN117196932A (zh) | 2023-09-11 | 2023-09-11 | 图像处理方法及装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311170382.8A CN117196932A (zh) | 2023-09-11 | 2023-09-11 | 图像处理方法及装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117196932A true CN117196932A (zh) | 2023-12-08 |
Family
ID=88988342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311170382.8A Pending CN117196932A (zh) | 2023-09-11 | 2023-09-11 | 图像处理方法及装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117196932A (zh) |
-
2023
- 2023-09-11 CN CN202311170382.8A patent/CN117196932A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116306396A (zh) | 芯片验证方法及装置、设备和介质 | |
CN116205819B (zh) | 字符图像生成方法、深度学习模型的训练方法和装置 | |
CN115600646B (zh) | 语言模型的训练方法、装置、介质及设备 | |
CN115511779B (zh) | 图像检测方法、装置、电子设备和存储介质 | |
CN117196932A (zh) | 图像处理方法及装置、设备和介质 | |
CN115334159B (zh) | 处理流式数据的方法、装置、设备和介质 | |
CN116361399B (zh) | 知识推理方法、装置、设备和介质 | |
CN114117046B (zh) | 数据处理方法、装置、电子设备及介质 | |
CN116070711B (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN115098165B (zh) | 数据处理方法、装置、芯片、设备及介质 | |
CN114140851B (zh) | 图像检测方法和用于训练图像检测模型的方法 | |
CN115762515B (zh) | 用于语音识别的神经网络的处理和应用方法、装置及设备 | |
EP4155983A2 (en) | Data processing method, apparatus, storage medium, and computer program product | |
CN118113349A (zh) | 数据处理方法及装置、数据处理系统、设备和介质 | |
CN117196927A (zh) | 图像处理方法及装置、设备和介质 | |
CN116881485A (zh) | 生成图像检索索引的方法及装置、电子设备和介质 | |
CN116129245A (zh) | 图像反卷积方法及装置、设备和介质 | |
CN116306862A (zh) | 用于文本处理神经网络的训练方法、装置和介质 | |
CN117193647A (zh) | 数据处理任务的发送方法、数据处理方法及装置、设备 | |
CN116612200A (zh) | 图像处理方法及装置、设备和介质 | |
CN117194027A (zh) | 基于服务的数据处理方法、装置、设备及介质 | |
CN116541090A (zh) | 数据处理方法、装置、设备和介质 | |
CN117744799A (zh) | 符号表达式的推理方法、装置、设备和介质 | |
CN115934034A (zh) | 数据处理方法及装置、设备和介质 | |
CN118069546A (zh) | 数据读取方法、数据处理系统、设备和介质 |
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 | ||
CB02 | Change of applicant information |
Address after: CW District, 4th floor, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100101 Applicant after: Kunlun core (Beijing) Technology Co.,Ltd. Address before: Baidu building, No. 10, Shangdi 10th Street, Haidian District, Beijing 100086 Applicant before: Kunlun core (Beijing) Technology Co.,Ltd. |
|
CB02 | Change of applicant information |