[发明专利]图像处理方法、装置、智能驾驶系统和车载运算平台

权利要求书

1.一种图像处理方法，其特征在于，包括：

根据运算单元的定点位宽硬件资源量，将卷积神经网络使用浮点表示的网络参数定点化处理，定点化处理后的网络参数为采用2的幂次表示的值；所述定点化处理后的网络参数为M个2的幂次之和，所述M为大于1的整数；

获取待处理的图像；

控制所述运算单元根据定点化处理后的网络参数处理所述图像，得到所述图像的处理结果。

2.根据权利要求1所述的方法，其特征在于，所述M等于2。

3.根据权利要求2所述的方法，其特征在于，所述定点化处理后的网络参数为2的k次幂与2的j次幂之和，所述k和所述j均为整数，所述k大于所述j、且所述k与所述j之差小于预设阈值。

4.根据权利要求3所述的方法，其特征在于，所述将卷积神经网络使用浮点表示的网络参数定点化处理之后，所述方法还包括：

根据所述k与所述j，以及，二进制值映射表，获取所述定点化处理后的网络参数对应的二进制值，所述二进制值映射表用于指示不同k与j取值组合对应的二进制值；

存储所述二进制值。

5.根据权利要求4所述的方法，其特征在于，所述控制所述运算单元根据定点化处理后的网络参数处理所述图像，包括：

控制所述运算单元根据所述二进制值和所述二进制值 映射表，确定所述卷积神经网络的定点化处理后的网络参数；

根据所述卷积神经网络的定点化处理后的网络参数处理所述图像。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述控制所述运算单元根据定点化处理后的网络参数处理所述图像之前，还包括：

采用训练数据再次训练包括定点化处理后的网络参数的卷积神经网络，以对定点化处理后的网络参数进行修正。

7.根据权利要求1-5任一项所述的方法，其特征在于，所述图像的处理结果包括：对象检测/跟踪结果、特征提取结果、分割结果、分类结果中的至少之一。

8.一种图像处理装置，其特征在于，包括：

参数定点化模块，用于根据运算单元的定点位宽硬件资源量，将卷积神经网络使用浮点表示的网络参数定点化处理，定点化处理后的网络参数为采用2的幂次表示的值；所述定点化处理后的网络参数为M个2的幂次之和，所述M为大于1的整数；

图像获取模块，用于获取待处理的图像；

图像处理模块，用于控制所述运算单元根据定点化处理后的网络参数处理所述图像，得到所述图像的处理结果。

9.根据权利要求8所述的装置，其特征在于，所述M等于2。

10.根据权利要求9所述的装置，其特征在于，所述定点化处理后的网络参数为2的k次幂与2的j次幂之和，所述k和所述j均为整数，所述k大于所述j、且所述k与所述j之差小于预设阈值。

11.根据权利要求10所述的装置，其特征在于，还包括：

存储模块，用于根据所述k与所述j，以及，二进制值映射表，获取所述定点化处理后的网络参数对应的二进制值，所述二进制值映射表用于指示不同k与j取值组合对应的二进制值；存储所述二进制值。

12.根据权利要求11所述的装置，其特征在于，所述图像处理模块，具体用于：

控制所述运算单元根据所述二进制值和所述二进制值 映射表，确定所述卷积神经网络的定点化处理后的网络参数；

根据所述卷积神经网络的定点化处理后的网络参数处理所述图像。

13.根据权利要求8-12任一项所述的装置，其特征在于，所述装置还包括：

训练模块，用于在控制所述运算单元根据定点化处理后的网络参数处理所述图像之前，采用训练数据再次训练包括定点化处理后的网络参数的卷积神经网络，以对定点化处理后的网络参数进行修正。