[发明专利]基于神经网络的图像处理方法及装置

权利要求书

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，其中，每个子图像的分辨率层次不同；

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，将所述待处理图像转化为不同尺寸的至少一个子图像包括：通过将所述待处理图像经过N等级的缩小，变换得到N个不同尺寸的子图像；

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；

其中，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；

其中，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，1mn，m为整数。

2.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。

3.根据权利要求2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。

4.根据权利要求1至3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。

5.一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，其中，每个子图像的分辨率层次不同；

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；

其中，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；

其中，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，1mn，m为整数。

6.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至4中任意一项所述的基于神经网络的图像处理方法。

7.一种处理器，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4中任意一项所述的基于神经网络的图像处理方法。