[发明专利]一种实现高速处理计算机视觉图像的分层计算方法

权利要求书

1.一种实现高速处理计算机视觉图像的分层计算方法，其特征在于，所述方法包括

将计算机视觉图像处理任务分为快速响应层、实时响应层和非实时响应层，其中，

所述快速响应层与图像传感器集成于同一芯片，

所述快速响应层对图像传感器输出的列并行数据流进行图像像素级并行运算处理，为所述实时响应层提供多个感兴趣区域和/或图像特征，其中，快速响应层包括处理单元阵列和存储器，存储器包括列储存器和帧储存器，列存储器存储多列像素信息；帧存储器存储一帧或多帧图像信息；

所述处理单元阵列包括K×L个处理单元，其中K为列像素个数，L为处理单元阵列的行数；每行处理单元以单指令多数据方式执行精简指令进行图像像素级并行运算；

所述实时响应层对所述感兴趣区域和/或图像特征实时进行目标检测、分类或识别，其中，所述实时响应层包括二维处理单元阵列，所述感兴趣区域和/或图像特征通过二维处理单元阵列以单指令多数据方式实现卷积神经网络的逐层并行运算，

所述卷积神经网络通过流水线模式逐层并行运算，包括：

在卷积运算时，卷积运算作为局部运算，由相互连通的二维处理单元读取相邻的二维处理单元的数据并加权求和；

在激活运算时，通过激活函数对卷积运算的输出结果的正负进行判断，若输入正数，则输出原值，若输入负数，则输出零；

所述非实时响应层通过网络远程访问，对所述实时响应层检测或分类计算的结果进行进一步细分识别和/或相关信息检索。

2.根据权利要求1所述的分层计算方法，其特征在于，所述二维处理单元阵列包括M×N个二维处理单元，其中，M为二维处理单元阵列的行数，N为二维处理单元阵列的列数。

3.根据权利要求1所述的分层计算方法，其特征在于，所述卷积神经网络通过流水线模式逐层计算还包括池化层，所述池化层采用最大池化或均值池化降低卷积层输出数据的维度。

4.根据权利要求1所述的分层计算方法，其特征在于，所述非实时响应层包括工作站、服务器或服务器集群，所述工作站、服务器或服务器集群内部署多个CPU与GPU。