[发明专利]基于图像处理的Depthwise快速卷积系统及图像识别方法

权利要求书

1.一种基于图像处理的Depthwise快速卷积系统，其特征在于，包括图像像素读取单元和DW卷积计算单元，通过以行作为数据单位与卷积核进行运算实现图像卷积，可以减少重复读取存储单元的过程；

图像像素读取单元，以H、W和D三个维度对图像中每一组像素进行标注，将待处理的图像存储到存储单元中，根据计算并行度先考虑D维度，再H维度，最后是W维度；

DW卷积计算单元，按行对图像数据进行读取后，每一行图像数据都要与三行的卷积核进行乘累加计算，直至完成所有图像数据行的计算，最终通过像素与对应卷积核乘积的累加得到最终的卷积结果。

2.根据权利要求1所述的一种基于图像处理的Depthwise快速卷积系统，其特征在于，所述DW卷积计算单元将待处理的图像数据获取之后，按行与三层卷积核分别进行乘累加运算，具体步骤为：

步骤1、选取卷积核，在W维度和H维度组成的平面上从地址1开始取3*3的像素组作为Weight层；

步骤2、完成图像数据组的第一行与三层卷积核数据组的计算；

步骤21、由于卷积核是3*3的组成，所以一次进行三个图像数据与三个卷积核数据的对应计算，以此类推，第一行数据与第一行卷积核数据计算后得出数据组为DW00，具体为：p1*w1+p2*w2+p3*w3，p2*w1+p3*w2+p4*w3，p3*w1+p4*w2+p5*w3······直到完成该行每一个数据乘累加运算；

步骤22、进行第一行数据与第二行卷积核数据的计算，得出数据组为DW01，具体为：p1*w9+p2*w10+p3*w11，p2*w9+p3*w10+p4*w11，p3*w9+p4*w10+p5*w11······直到完成该行每一个数据乘累加运算；

步骤23、进行第一行数据与第三行卷积核数据的计算，得出DW02，具体为：p1*w17+p2*w18+p3*w19，p2*w17+p3*w18+p4*w19，p3*w17+p4*w18+p5*w19······直到完成该行每一个数据乘累加运算；

其中，p1为图像数据组的第一个数据，p2为图像数据组的第二个数据， p3为图像数据组的第三个数据，p4为图像数据组的第四个数据， p5为图像数据组的第五个数据，w1、w2、w3、w9、w10、w11、w17、w18、w19分别是卷积核数据组的9个数据；

步骤3、仿照步骤2，继续完成图像数据组其余行与卷积核的乘累加过程，直至图像数据组的所有数据均参与过运算；

步骤4、为了保证图像数据组的9个像素与卷积核的9个参数对应的乘积可以进行累加，在每行图像数据组的数据与卷积核的三行计算结果得出后，下一行计算得出的结果在累加时，整体移位，以同上一行的计算结果相对应，从而得到最终的卷积结果。

3.根据权利要求1所述的一种基于图像处理的Depthwise快速卷积系统，其特征在于，所述DW卷积计算单元需要两个缓冲存储区进行数据暂存、计算和结果输出，具体计算过程为：

步骤1、输入两块存储区，Buffer A和Buffer B；

步骤2、通过做乘积的累加获得卷积结果；

步骤21、使用缓冲存储区Buffer B写入DW00的数据；

步骤22、使用Buffer A写入DW10的数据；同时，读取Buffer B中的DW00后，与DW11相加后写入Buffer B中；

步骤23、读取Buffer B中存储的DW00+DW11，加上当前行计算结果DW22后，输出第一个卷积计算结果；往Buffer B中继续存储计算结果DW20；与此同时，读取Buffer A中的DW10，加上当前计算结果DW21后写回Buffer A中；

步骤3、交替以计算第二行和第三行的计算存储方式，计算出所有行的卷积计算结果。

4.根据权利要求1所述的一种基于图像处理的Depthwise快速卷积系统，其特征在于，所述DW卷积计算单元提高了图像存储和计算的利用率，减少了对像素组数据读取的重复率，减轻了图像卷积的资源消耗。

5.一种快速图像识别方法，其特征在于，在需要快速进行图像处理的场景中，为了减轻机器学习或者神经网络计算的工作量，快速完成图像识别的要求，得到较好的图像处理结果，使用权利要求1至4任一项所述的Depthwise快速卷积系统对图像数据进行快速存储，具体步骤为：

步骤1、判断使用场景对图像卷积的质量和速度的要求，确认符合快速处理的场景设定；

步骤2、使用Depthwise快速卷积系统对图像数据进行快速存储；

步骤3、进一步反复读取图像像素完成图像卷积和进一步的图像处理。