[发明专利]图像特征提取方法、装置以及计算机可读存储介质

权利要求书

1.一种图像特征提取方法，其特征在于，所述方法包括：

获取基于神经网络的图像特征提取模型，根据所述图像特征提取模型中每个神经网络层的算子生成FPGA的配置文件；

根据所述配置文件对所述FPGA进行配置，以在所述FPGA上形成多个能够分别模拟每个所述算子运算的算子处理模块并且使输入图像的行数据以数据流的形式按照每个所述算子在所述图像特征提取模型中的先后运算顺序依次传输至每个所述算子对应的算子处理模块；

利用配置后的FPGA对待识别图像进行特征提取；

其中，每个所述算子处理模块分别被配置成对各自输入的多个所述行数据进行并行特征提取。

2.根据权利要求1所述的图像特征提取方法，其特征在于，在“根据所述图像特征提取模型中每个神经网络层的算子生成FPGA的配置文件”的步骤之前，所述方法还包括：

分别对每个所述算子的算子参数进行低比特量化处理和/或对多个所述神经网络层的算子进行算子融合；

并且/或者，

所述方法还包括通过下列方式分别存储每个神经网络层的算子参数：

判断当前神经网络层的算子参数的比特数是否小于等于预设的比特数阈值；若是，则将所述当前神经网络层的算子参数存储至所述FPGA的片上内存；若否，则将所述当前神经网络层的算子参数存储至预设的外部存储器。

3.根据权利要求1所述的图像特征提取方法，其特征在于，“根据所述配置文件对所述FPGA进行配置”的步骤具体包括：

获取所述配置文件中每个所述神经网络层中算子的算子参数；

根据所述算子参数的比特数与预设的比特数阈值的比较结果，对所述神经网络层进行分类，以形成第一类型的神经网络层和第二类型的神经网络层，其中，所述第一类型的神经网络层中算子参数的比特数小于等于所述预设的比特数阈值，所述第二类型的神经网络层中算子参数的比特数大于所述预设的比特数阈值；

根据所述算子参数对所述FPGA中的LUT查找表进行配置，以基于所述LUT查找表形成多个第一算子处理模块，每个所述第一算子处理模块分别被配置成模拟每个所述第一类型的神经网络层的算子运算；

根据所述算子参数对所述FPGA中的DSP处理器进行配置，以基于所述DSP处理器形成多个第二算子处理模块，每个所述第二算子处理模块分别被配置成模拟每个所述第二类型的神经网络层的算子运算。

4.根据权利要求3所述的图像特征提取方法，其特征在于，所述第二算子处理模块被进一步配置成使用多个所述DSP处理器分别对所述输入图像的多个行数据进行并行特征提取。

5.一种图像特征提取装置，其特征在于，所述装置包括：

配置文件生成模块，其被配置成获取基于神经网络的图像特征提取模型，根据所述图像特征提取模型中每个神经网络层的算子生成FPGA的配置文件；

FPGA配置模块，其被配置成根据所述配置文件对所述FPGA进行配置，以在所述FPGA上形成多个能够分别模拟每个所述算子运算的算子处理模块并且使输入图像的行数据以数据流的形式按照每个所述算子在所述图像特征提取模型中的先后运算顺序依次传输至每个所述算子对应的算子处理模块；

特征提取模块，其被配置成利用配置后的FPGA对待识别图像进行特征提取；

其中，每个所述算子处理模块分别被配置成对各自输入的多个所述行数据进行并行特征提取。

6.根据权利要求5所述的图像特征提取装置，其特征在于，所述配置文件生成模块包括模型压缩单元和配置文件生成单元；所述模型压缩单元被配置成分别对每个所述算子的算子参数进行低比特量化处理和/或对多个所述神经网络层的算子进行算子融合；所述配置文件生成单元被配置成对根据所述模型压缩单元压缩后的图像特征提取模型生成FPGA的配置文件；

所述FPGA配置模块包括参数存储配置单元，所述参数存储配置单元被配置成通过下列方式分别存储每个神经网络层的算子参数：

判断当前神经网络层的算子参数的比特数是否小于等于预设的比特数阈值；若是，则将所述当前神经网络层的算子参数存储至所述FPGA的片上内存；若否，则将所述当前神经网络层的算子参数存储至预设的外部存储器。