基于神经网络的图像处理方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107766932A(43)申请公布日2018.03.06(21)申请号201710983501.X(22)申请日2017.10.19(71)申请人珠海格力电器股份有限公司地址519070广东省珠海市前山金鸡西路六号(72)发明人高灵波黄钦陈恒刘文峰(74)专利代理机构北京康信知识产权代理有限责任公司11240代理人赵囡囡(51)Int.Cl.G06N3/04(2006.01)G06N3/063(2006.01)权利要求书2页说明书6页附图1页(54)发明名称基于神经网络的图像处理方法及装置(57)摘要本发明公开了一种基于神经网络的图像处理方法及装置。其中，该方法包括：获取待处理图像；将待处理图像转化为不同尺寸的至少一个子图像；将至少一个子图像输入至多层神经网络进行运算；其中，多层神经网络包括多个运算层，多个运算层之间通过至少一个通讯接口连接，多个运算层中第n个运算层将对至少一个子图像进行运算得到运算结果通过通讯接口传输至第n+1个运算层，n为正整数。本发明解决了由于相关技术中必须等到本地缓存器中的运算结果被转移至内存，且新的输入数据自内存被加载本地缓存器后，处理器才能开始进行下一轮的运算工作造成的资源浪费的技术问题。CN107766932ACN107766932A权利要求书1/2页1.一种基于神经网络的图像处理方法，其特征在于，包括：获取待处理图像；将所述待处理图像转化为不同尺寸的至少一个子图像；将所述至少一个子图像输入至多层神经网络进行运算；其中，所述多层神经网络包括多个运算层，所述多个运算层之间通过至少一个通讯接口连接，所述多个运算层中第n个运算层将对所述至少一个子图像进行运算得到运算结果通过所述通讯接口传输至第n+1个运算层，n为正整数。2.根据权利要求1所述的方法，其特征在于，每个运算层包括运算电路和本地内存，所述本地内存用于存储所述运算电路使用的所述至少一个子图像,所述运算电路用于对所述至少一个子图像进行运算得到运算结果，其中，第n个运算层的运算电路将得到的所述运算结果通过所述通讯接口传输至第n+1个运算层中的本地内存。3.根据权利要求2所述的方法，其特征在于，第n个运算层的运算电路在得到的第m个运算结果时，第n个运算层的运算电路同时将得到的第m-1个运算结果通过所述通讯接口传输至第n+1个运算层中的本地内存，1<m<n，m为整数。4.根据权利要求1所述的方法，其特征在于，将所述待处理图像转化为不同尺寸的至少一个子图像之后，所述方法还包括：根据所述至少一个子图像的尺寸，提取所述至少一个图像信息；将所述至少一个图像信息输入至所述多层神经网络进行运算。5.根据权利要求4所述的方法，其特征在于，所述根据所述至少一个子图像的尺寸，提取所述至少一个图像信息包括：若所述子图像的尺寸小于预设值，从所述子图像中提取轮廓信息作为所述图像信息；若所述子图像的尺寸大于等于所述预设值，从所述子图像中提取细节信息作为所述图像信息。6.根据权利要求1至5中任一项所述的方法，其特征在于，所述多个运算层包括至少n个晶片；所述多个运算层包括卷积层，其中，所述卷积层包括并联的多个晶片；所述多个运算层包括连接层，其中，所述连接层包括并联的多个晶片。7.一种基于神经网络的图像处理装置，其特征在于，包括：获取单元，用于获取待处理图像；转化单元，用于将所述待处理图像转化为不同尺寸的至少一个子图像；运算单元，用于将所述至少一个子图像输入至多层神经网络进行运算；其中，所述多层神经网络包括多个运算层，所述多个运算层之间通过至少一个通讯接口连接，所述多个运算层中第n个运算层将对所述至少一个子图像进行运算得到运算结果通过所述通讯接口传输至第n+1个运算层，n为正整数。8.根据权利要求7所述的装置，其特征在于，每个运算层包括运算电路和本地内存，所述本地内存用于存储所述运算电路使用的所述至少一个子图像,所述运算电路用于对所述至少一个子图像进行运算得到运算结果，其中，第n个运算层的运算电路将得到的所述运算结果通过所述通讯接口传输至第n+1个运算层中的本地内存。9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权2CN107766932A权利要求书2/2页利要求1至6中任意一项所述的基于神经网络的图像处理方法。10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至6中任意一项所述的基于神经网络的图像处理方法。3CN107766932A说明书1/6页基于神经网络的图像处理方法及装置技术领域[0001]本发明涉及图像处理领域，具体而言，涉及一种基于神经网络的图像处理方法及装置。背景技术[0002]目前在神经网络中层传输过程中，需要将大量的前期