[发明专利]基于CNN细胞神经网络结构的数字集成处理方法

权利要求书

1.一种基于CNN细胞神经网络结构的数字集成处理方法，其特征在于：所述方法包括以下步骤：

步骤一：图像由细胞电路单元组成的处理运算集合电路由像素点矩阵形式输入，进行采集，每一个电路单元都同时参与处理图像像素点；

步骤二：细胞电路单元将取图像中某一像素点作为处理对象，电路将对象图像像素点信息、运算单元周边像素点信息以及运算参数传递到电路模块中；

步骤三：使用乘法器单元将所有像素数据与运算参数相乘，得到优化的像素数据；

步骤四：将处理后的像素数据，经过三层加法器，先行计算结构上的相邻数据，两两相加后汇总，最终得到处理过后的像素数据；

步骤五：分别将细胞电路单元邻域内的相关连接点都做运算，运算结果由寄存器打一拍节奏后传输至加法单元部分计算；

步骤六：运算单元部分分别对应着不同的数据宽度，且拥有不同的数据结构与数据精度类型；从结构上形成了邻域处理参数的两两相加，最后汇总，用空间换时间的思想加速多位宽、多数据相乘加的计算过程。

2.如权利要求1所述的一种基于CNN细胞神经网络结构的数字集成处理方法，其特征在于：所述步骤三中的乘法器的数量为9个，且组成乘法单元，分别将细胞邻域内的相关连接点都做了运算。

3.如权利要求1所述的一种基于CNN细胞神经网络结构的数字集成处理方法，其特征在于：所述步骤四中加法器共有8个，形成加法单元部分，从输入上一共有三种加法单元，分别对应着不同的数据宽度与输入预处理方法。

4.如权利要求3所述的一种基于CNN细胞神经网络结构的数字集成处理方法，其特征在于：加法器的连接方法采用局部相近先相加，最后汇总的方法。

5.如权利要求1所述的一种基于CNN细胞神经网络结构的数字集成处理方法，其特征在于：所述步骤五中的计算模板为相关性连接矩阵关系。

6.如权力要求1所述的一种基于CNN细胞神经网络结构的数字基础处理方法，其特征在于：所述步骤六中的多种数据种类含有定点和浮点两种，其中定点包含主流的输入图像格式与模型；浮点拥有高精度，拥有学习调节反馈功能。