[发明专利]一种图片数据处理方法、装置、设备及存储介质

说明书

本发明公开了一种图片数据处理方法、装置、设备及存储介质；在本方案中，对图像数据执行1*1卷积时，可以将填充参数设置为零后，直接利用3*3卷积模块提取初始特征数据，并对该初始特征数据进行处理后，可得到用于1*1卷积的目标特征数据，通过该方式，可以避免修改FPGA的卷积模块，减少卷积模块占用FPGA的资源。

技术领域

本发明涉及深度学习技术领域，更具体地说，涉及一种图片数据处理方法、装置、设备及存储介质。

背景技术

目前，通过CNN(Convolutional Neural Networks)卷积神经网络对图像数据进行处理时，会通过1*1卷积核和3*3卷积核对图像数据进行处理。在现有的通过FPGA实现1*1和3*3卷积时，可以通过如下两种方式对图像进行处理，一种为将1*1卷积和3*3卷积设计成单独的卷积模块，在采用不同的工作模式对图像处理时，可以选用不同的卷积模块重新综合设计，此方法资源利用率低，但是设计灵活性差，每次对图像数据执行不同的卷积操作时，需要修改设计，FPGA(Field Programmable Gate Array，现场可编程逻辑门阵列)的修改时间成本非常高。另一种为在FPGA内部，同时设计出1*1和3*3卷积的独立模块，内部通过MUX(multiplexer，数据选择器)进行选择，此种方法，需要的FPGA资源较多，扇出较大，不利于FPGA进行高速的布局布线。

因此，如何通过卷积模块对图像数据进行处理，减少修改FPGA的时间，减少占用的FPGA资源，是本领域技术人员需要解决的问题。

发明内容

本发明的目的在于提供一种图片数据处理方法、装置、设备及存储介质，以通过对应的卷积模块对图像数据进行处理时，解决修改FPGA所占用的时间成本，减少卷积模块占用FPGA的资源。

为实现上述目的，本发明提供一种图片数据处理方法，包括：

接收图像数据处理指令；所述图像数据处理指令为对图像数据执行1*1卷积操作的指令；

将3*3卷积模块的填充参数设置为零；

利用所述3*3卷积模块及所述填充参数提取所述图像数据的初始特征数据，并将所述初始特征数据的首层数据作为目标特征数据；

将所述目标特征数据输入脉动计算阵列，并通过对应的过滤器执行卷积操作后，得到所述图像数据的处理结果。

其中，利用所述3*3卷积模块及所述填充参数提取所述图像数据的初始特征数据，包括：

利用所述3*3卷积模块及所述填充参数连续读取所有通道的图像数据中的9个3*11数据，并将所述9个3*11数据变形为9个9*9的矩阵数据，得到初始特征数据。

其中，所述9个3*11数据为所述图像数据的有效数据。

其中，将所述目标特征数据输入脉动计算阵列，并通过对应的过滤器执行卷积操作后，得到所述图像数据的处理结果，包括：

将所述目标特征数据输入DSP脉动计算阵列，通过对应的1*1过滤器执行卷积操作后，得到所述图像数据的处理结果；所述处理结果为所述图像数据的1*1卷积操作结果。

其中，所述将所述初始特征数据的首层数据作为目标特征数据，包括：

确定所述初始特征数据中的每个立方体数据，每个立方体数据包括9个9*9的矩阵数据；

提取每个立方体数据的首层9*9的矩阵数据，生成所述目标特征数据。

其中，所述提取每个立方体数据的首层9*9的矩阵数据，生成所述目标特征数据，包括：

提取每个立方体数据的每个9*9矩阵数据的首行1*9数据，生成所述目标特征数据。