[发明专利]一种图像处理装置及方法

权利要求书

1.一种图像处理装置，其特征在于，所述装置包括：Eltwise层计算模块，卷积神经网络CNN通用层计算模块和内部缓存模块，所述CNN通用层计算模块分别与所述Eltwise层计算模块及所述内部缓存模块连接；其中，

所述CNN通用层计算模块，用于在外部存储器中读取待计算的分支图像数据，对所述分支图像数据进行CNN计算，确定第一计算结果，根据所述分支图像数据中包含的分支标识信息，判断所述分支图像数据是否为第一分支数据；如果是，采用所述第一计算结果对所述内部缓存模块中缓存的数据进行更新；如果否，则将所述第一计算结果发送给所述Eltwise层计算模块；

所述Eltwise层计算模块与所述内部缓存模块连接，用于根据读取到的所述内部缓存模块中缓存的数据，和所述第一计算结果，进行Eltwise计算，确定第二计算结果。

2.如权利要求1所述的装置，其特征在于，所述CNN通用层计算模块，具体用于进行以下至少一种CNN计算：卷积计算、池化计算、Batch Normalization计算、SCALE计算和ReLU计算。

3.如权利要求1或2所述的装置，其特征在于，所述Eltwise层计算模块，还用于根据所述第一计算结果对应的分支图像数据的分支标识信息，判断所述分支图像数据是否为最后一个分支数据，如果否，则采用所述第二计算结果对所述内部缓存模块中缓存的数据进行更新；如果是，则将所述第二计算结果输出到所述外部存储器中。

4.如权利要求1或2所述的装置，其特征在于，所述CNN通用层计算模块，具体用于在所述外部存储器中读取待计算的分支图像数据的数据块，对所述分支图像数据的数据块进行CNN计算。

5.如权利要求4所述的装置，其特征在于，所述CNN通用层计算模块，具体用于读取宽度为B_W且高度为B_H的数据块，或读取宽度为D_W且高度为D_H的数据块，其中所述B_W为所述内部缓存模块的容量宽度，B_H为所述内部缓存模块的容量高度，D_W＝(B_W–1)*Stride_W+Kernel_W，D_H＝(B_H–1)*Stride_H+Kernel_H，Kernel_W为卷积核的横向尺寸，Kernel_H为卷积核的纵向尺寸，Stride_W为卷积核跨度的横向尺寸，Stride_H为卷积核跨度的纵向尺寸。

6.一种图像处理方法，其特征在于，所述方法包括：

在外部存储器中读取待计算的分支图像数据，对所述分支图像数据进行卷积神经网络CNN计算，确定第一计算结果，根据所述分支图像数据中包含的分支标识信息，判断所述分支图像数据是否为第一分支数据；如果是，采用所述第一计算结果对内部缓存的数据进行更新；

如果否，根据读取到的所述内部缓存的数据，和所述第一计算结果，进行Eltwise计算，确定第二计算结果。

7.如权利要求6所述的方法，其特征在于，所述对所述分支图像数据进行CNN计算包括以下至少一种CNN计算：

卷积计算、池化计算、Batch Normalization计算、SCALE计算和ReLU计算。

8.如权利要求6或7所述的方法，其特征在于，所述确定第二计算结果后，所述方法还包括：

根据所述第一计算结果对应的分支图像数据的分支标识信息，判断所述分支图像数据是否为最后一个分支数据；

如果否，则采用所述第二计算结果对所述内部缓存的数据进行更新；

如果是，则将所述第二计算结果输出到所述外部存储器中。

9.如权利要求6或7所述的方法，其特征在于，所述读取待计算的分支图像数据包括：

读取待计算的分支图像数据的数据块；

所述对所述分支图像数据进行CNN计算包括：

对所述分支图像数据的数据块进行CNN计算。

10.如权利要求9所述的方法，其特征在于，所述读取待计算的分支图像数据的数据块包括：

读取宽度为B_W且高度为B_H的数据块，或读取宽度为D_W且高度为D_H的数据块，其中所述B_W为内部缓存模块的容量宽度，B_H为所述内部缓存模块的容量高度，D_W＝(B_W–1)*Stride_W+Kernel_W，D_H＝(B_H–1)*Stride_H+Kernel_H，Kernel_W为卷积核的横向尺寸，Kernel_H为卷积核的纵向尺寸，Stride_W为卷积核跨度的横向尺寸，Stride_H为卷积核跨度的纵向尺寸。