[发明专利]图像处理中稀疏卷积处理方法及装置

说明书

本申请提供一种图像处理中稀疏卷积处理方法及装置，应用于图像处理技术领域，其中稀疏卷积处理方法包括：确定当前稀疏卷积核中的若干第一非零权重；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；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输入特征图进行卷积运算时对应的卷积结果。通过对稀疏卷积中的各数据进行编排，简化了卷积运算中的乘法和累加运算过程，避免了零值数据的无效处理，减少了卷积所需资源，有利于卷积运算在各种性能平台中进行部署应用。

技术领域

本申请涉及图像处理技术领域，具体涉及一种用于提取图像特征的图像处理中稀疏卷积处理方法及装置。

背景技术

通常使用卷积核对图像数据进行图像特征的提取，其中卷积运算是将卷积核与窗口激活数据对应位的数据进行乘运算，然后将该卷积核各权重与对应激活数据乘法结果进行求和，因而卷积运算包含一系列乘法及累加和运算。

实际卷积运算中，卷积核中通常存在值为零的元素（简称零元素），其参与到卷积运算中的乘法及累加运算时对于最终结果来说并无贡献，即这些零元素进行乘法和累加运算对于最终结果来说是无效运算，而且这种无效运算通常最高可占据整个卷积运算的的百分九十以上。还有，这些零元素对应的乘法结果为零值，且这些零值结果也对最终计算结果无贡献，以及这些零值结果还需要参加累加和运算，因而进行累加前保存仍需要占用相应临时存储的存储器，所以零元素在卷积运算中需要占用过多资源，如存储空间、读写时钟等。

因此，需要对现有卷积运算中存在的稀疏性进行有效数据处理，以减少卷积运算对资源的过多占用。

发明内容

有鉴于此，本说明书实施例提供一种图像处理中稀疏卷积处理方法及装置，能够有效地编排卷积运算中的稀疏数据，可以避免卷积核中零元素参与到卷积运算中，有效降低数据的稀疏性在卷积运算中对资源的占比。

本说明书实施例提供以下技术方案：

本说明书实施例提供一种图像处理中稀疏卷积处理方法，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；

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。

与现有技术相比，本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括：稀疏卷积过程是基于非零权重快速计算该非零权重对应的输出特征图，以及基于各个非零权重对应的输出特征图进行累加运算，最终获得整个卷积运算对应的总输出特征图，因而整个稀疏卷积过程可理解为一种数据编排过程，既无需复杂的索引、编码、存储等稀疏处理所需的额外资源，而且卷积中的乘法运算维度低，累加运算次数更少，整个卷积过程无需过多的卷积运算资源，如乘法、加法、时钟等，所需资源非常少，有利于在各种性能的平台中部署卷积运算。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例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申请的一些实施例，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，还可以根据这些附图获得其它的附图。

图1是卷积运算的结构示意图；

图2是滑窗卷积中乘法和累加运算的示意图；