[发明专利]图像处理中稀疏卷积处理方法及装置

权利要求书

1.一种图像处理中稀疏卷积处理方法，其特征在于，包括：

确定当前稀疏卷积核中的若干第一非零权重，所述当前稀疏卷积核为用于对待处理图像进行卷积运算的卷积核；

从输入特征图中确定每个所述第一非零权重对应的第一子特征图块，其中所述输入特征图为所述待处理图像对应的图像数据，所述第一子特征图块为由在卷积中与所述第一非零权重存在突触连接的神经元构成的逻辑矩阵，在确定所述第一子特征图块时，并非根据所述第一非零权重在所述输入特征图中划出第一子特征图块，亦不是将划分出来的第一子特征图块再存储；

将所述第一非零权重与其对应的所述第一子特征图块进行乘法运算，以获得所述第一非零权重对应的第一输出特征图；

将各个所述第一非零权重对应的所述第一输出特征图进行累加，以获得所述当前稀疏卷积核对所述待处理图像进行卷积运算时对应的卷积结果；

所述图像处理中稀疏卷积处理方法还包括：确定所述第一非零权重在所述当前稀疏卷积核中的第一坐标数据，将所述第一坐标数据与所述第一子特征图块建立对应的第一索引，其中在计算所述第一坐标数据对应的非零权重与所述第一子特征图块进行乘法运算时，通过所述第一索引获取到所述第一子特征图块；

从输入特征图中确定每个所述第一非零权重对应的第一子特征图块包括：

根据所述第一坐标数据、滑窗卷积步长和卷积核尺寸，从输入特征图中确定第一子特征图块所在的第一区域，并从所述第一区域中确定出所述第一子特征图块的各个神经元；

其中，第一区域的参数如下：

H_c为第一区域的高度，H_c= Rounddown((H-k+step)/step)，函数Rounddown()为向下取整函数，H为所述输入特征图的高度，所述当前稀疏卷积核为k×k尺寸，step为滑窗卷积步长；

T_c为第一区域的宽度，T_c= Rounddown((T-k+step)/step)，T为所述输入特征图的宽度；

高度方向的起点位置H_c _start= i，i为所述第一非零权重在所述当前稀疏卷积核中的行坐标；

宽度方向的起点位置T_c_start= j，j为所述第一非零权重在所述当前稀疏卷积核中的列坐标；

高度方向的终点位置H_c _end= i + step*(H_c -1)；

宽度方向的终点位置T_c _end= j + step*(T_c -1)。

2.根据权利要求1所述的图像处理中稀疏卷积处理方法，其特征在于，在确定出所述第一区域后，所述图像处理中稀疏卷积处理方法还包括：确定所述第一子特征图块的各个神经元在所述输入特征图中的第二坐标数据。

3.根据权利要求2所述的图像处理中稀疏卷积处理方法，其特征在于，确定所述第一子特征图块的各个神经元在所述输入特征图中的第二坐标数据包括：根据所述第一坐标数据确定所述第二坐标数据，其中根据所述第一坐标数据的行列坐标i、j确定所述第二坐标数据的行列坐标I、J的过程如下：自第一子特征图块的首个元素开始，先按滑窗卷积步长逐列遍历输出行中的连接神经元，再按滑窗卷积步长逐行遍历输出各列的连接神经元，其中第一子特征图块的首个元素的行、列坐标分别为i、j。

4.根据权利要求2所述的图像处理中稀疏卷积处理方法，其特征在于，所述图像处理中稀疏卷积处理方法还包括：建立所述第一坐标数据与所述第二坐标数据之间的第二索引。

5.根据权利要求1所述的图像处理中稀疏卷积处理方法，其特征在于，所述图像处理中稀疏卷积处理方法还包括：确定所述第一子特征图块中若干非零激活数据，其中所述非零激活数据为所述第一子特征图块中非零的神经元数据；

将所述第一非零权重与其对应的所述第一子特征图块进行乘法运算包括：将所述第一非零权重与其对应的所述第一子特征图块中每个所述非零激活数据分别进行乘法运算，以获得每个所述非零激活数据各自对应的第一乘法结果。