[发明专利]基于卷积神经网络模型的图像识别方法

权利要求书

1.一种图像识别方法，其特征在于，所述方法包括：

获取图像数据；

确定第一卷积神经网络模型中包括的第i卷积层的二进制大对象blob占用的第i内存大小，所述第一卷积神经网络模型包括N个卷积层，N为大于或等于2的整数，所述N个卷积层中每个卷积层的数据结构为blob；所述第一卷积神经网络模型的第i卷积层与第i卷积层的blob一一对应；

在内存块复用池中确定大于或等于所述第i内存大小的第i内存复用块，所述内存块复用池包括至少一个内存复用块，所述至少一个内存复用块包括所述第i内存复用块；

将所述第i内存复用块确定为所述第i卷积层的内存；

基于所述第i卷积层的内存运行所述第i卷积层以对所述图像数据进行识别，得到识别结果，i遍历完1至N；

所述在所述内存块复用池中确定大于或等于所述第i内存大小的所述第i内存复用块之前，所述方法还包括：

统计所述N个卷积层的每个blob的被引用计数；

将引用计数小于或等于预设值的blob对应的内存作为内存复用块保存在所述内存块复用池中；在第一卷积神经网络模型的每个卷积层所在节点运行结束后将运行结束的卷积层所对应的blob的引用计数减1。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若所述内存块复用池中不存在内存复用块或者不存在大于或等于所述第i内存大小的内存复用块，则在所述内存块复用池中新增大于或等于所述第i内存大小的第j内存复用块；

将所述第j内存复用块确定为所述第i内存复用块；或者所述方法还包括：

若所述内存块复用池中不存在大于或等于所述第i内存大小的内存复用块；

在所述内存块复用池中确定第k内存复用块；

扩大所述第k内存复用块内存，得到目标内存复用块，所述目标内存复用块的内存大小大于或等于所述第i内存大小；

将所述目标内存复用块确定为所述第i内存复用块。

3.根据权利要求2所述的方法，其特征在于，所述第k内存复用块为小于所述第i内存大小且最接近所述第i内存大小的内存复用块。

4.根据权利要求1所述的方法，其特征在于，所述方法适用于嵌入式软件加速XNetLite框架，所述XNetLite框架包括优化层；

其中，所述将所述第i内存复用块确定为所述第i卷积层的内存，包括：

在所述XNetLite框架的所述优化层，将所述第i内存复用块确定为所述第i卷积层的内存。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述将所述第i内存复用块确定为所述第i卷积层的内存之后，所述方法包括：

根据第一缓存的大小和第二缓存的大小对所述第一卷积神经网络模型的各个卷积层的各个权重矩阵进行分块，得到所述第一卷积神经网络模型的分块后的多个权重矩阵，所述第一缓存的大小小于所述第二缓存的大小，所述第一缓存的访问频率高于所述第二缓存的访问频率；

将所述分块后的多个权重矩阵中小于矩阵预设值的权重矩阵存储在所述第一缓存中；

将所述分块后的多个权重矩阵中大于或等于所述矩阵预设值的权重矩阵存储在所述第二缓存中；

其中，所述基于所述第i卷积层的内存运行所述第i卷积层以对所述图像数据进行识别，得到识别结果，包括：

基于所述第i卷积层的内存、所述第一缓存和所述第二缓存运行所述第i卷积层以对所述图像数据进行识别，得到识别结果。

6.根据权利要求5所述的方法，其特征在于，所述将所述分块后的多个权重矩阵中小于矩阵预设值的权重矩阵存储在所述第一缓存中，包括：

所述分块后的多个权重矩阵中小于矩阵预设值的权重矩阵按照矩阵的大小存储在所述第一缓存中；

所述将所述分块后的多个权重矩阵中大于或等于所述矩阵预设值的权重矩阵存储在所述第二缓存中，包括：

所述分块后的多个权重矩阵中大于或等于所述矩阵预设值的权重矩阵按照矩阵的大小存储在所述第二缓存中。