[发明专利]一种低计算能力处理设备的计算机视觉处理方法及装置

权利要求书

1.一种低计算能力处理设备的计算机视觉处理方法，其特征在于，包括：

在实时的计算机视觉处理过程中，低计算能力的处理设备获取图像数据；

所述处理设备使用预先设置的神经网络对获取到的图像数据进行计算机视觉处理，得到计算机视觉处理结果；其中，所述神经网络中包括据卷积层，所述处理设备对所述卷积层执行的处理包括：

将所述卷积层的输入数据沿着通道方向进行二值化和位打包操作，得到压缩输入数据；

将所述卷积层的各卷积核分别沿着通道方向进行二值化和位打包操作得到相应的压缩卷积核；

将所述压缩输入数据按照卷积运算顺序依次划分为与压缩卷积核大小相同的数据块，一次卷积运算包含的输入数据构成一个数据块；

将所述压缩输入数据的每个数据块依次与各压缩卷积核进行卷积运算得到卷积结果，具体包括：对所述压缩输入数据的每个数据块与每个压缩卷积核进行以下卷积运算：

将所述数据块在每个通道上的通道数据与所述压缩卷积核中相应通道上的通道卷积核进行内积运算，以得到每个通道数据与相应通道卷积核的内积结果；将所述数据块的各个通道数据与相应通道卷积核的内积结果的和值，确定为所述数据块与所述压缩卷积核的卷积结果；

为所述卷积层的多个输出数据分别分配一个大小为(H’+2n)*(W’+2n)的存储空间，该存储空间的数据初始值为0，其中H’为输出数据的高，W’为输出数据的宽，n为需要在输出数据周围补零的圈数；

将所述压缩输入数据的各数据块与同一个压缩卷积核进行卷积运算得到的卷积结果作为同一个输出数据的元素，分别存储在该输出数据对应的存储空间的中间位置。

2.根据权利要求1所述的方法，其特征在于，所述通道数据包含多个数据元素，所述通道卷积核包含多个卷积元素；

将所述数据块在每个通道上的通道数据与所述压缩卷积核中相应通道上的通道卷积核进行内积运算，具体包括：

针对每个通道数据执行以下步骤：

将通道数据中的每个数据元素与相应通道卷积核中的相应卷积元素进行包含一次异或操作和bit-count操作的内积运算，得到各数据元素与相应卷积元素的内积结果；

根据所述通道数据中各数据元素与相应卷积元素的内积结果，得到所述通道数据与相应通道卷积核的内积结果。

3.根据权利要求1所述的方法，其特征在于，将卷积层的输入数据沿着通道方向进行二值化和位打包操作，得到压缩输入数据，具体包括：将所述卷积层的输入数据沿着通道方向进行二值化处理得到二值化输入数据；从二值化输入数据的第一个数据开始，将每M个连续数据打包成一个数据，所述M为32的整数倍；

将所述卷积层的各卷积核分别沿着通道方向进行二值化和位打包操作得到相应的压缩卷积核，具体包括：针对每个卷积核，将所述卷积核沿着通道方向进行二值化得到二值化卷积核；从二值化卷积核的第一个数据开始，将每M个连续数据打包成一个数据。

4.根据权利要求1～3任一项所述的方法，其特征在于，还包括：

对全连接层的输入数据进行二值化和位打包操作得到包含多个数据元素的输入数据序列；

将所述全连接层的网络权重进行转置，对转置后的每一行权重进行二值化和位打包操作得到包含多个权重元素的权重序列；

将输入数据序列中的数据元素分别与各行权重序列的权重元素进行内积运算，得到输入数据序列与各行权重序列的内积结果；

根据输入数据序列与各行权重序列的内积结果得到所述全连接层的输出结果。

5.根据权利要求4所述的方法，其特征在于，将输入数据序列中的数据元素分别与各行权重序列的权重元素进行内积运算，得到输入数据序列与各行权重序列的内积结果，具体包括：

将每一行权重序列的每个权重元素与相应数据元素进行包含一次异或操作和bit-count操作的内积运算，以得到每个权重元素与相应数据元素的内积结果；

根据一行权重序列的各权重元素与相应元素的内积结果，得到输入数据序列与该行权重序列的内积结果。