[发明专利]一种面向智能无损压缩算法的异构计算加速方法

权利要求书

1.一种面向智能无损压缩算法的异构计算加速方法，其特征在于将智能无损压缩算法分解为三部分：神经网络预测推理、预测值纠偏和哈夫曼编码，其步骤包括：

1)对待压缩图像进行分组，将每组图像分区量化后并行输入到GPU中，GPU利用神经网络对输入的每一图像进行预测推理，得到对应图像的像素值概率矩阵并发送给CPU；

2)所述CPU对每一所述像素值概率矩阵进行预测值纠偏计算，得到对应图像的纠偏值矩阵作为待编码数据；然后将每组图像的待编码数据存入到缓存区；所述缓冲区设置多个读取接口；

3)FPGA通过多个读取接口从所述缓存区并行读取待编码数据进行哈夫曼编码，得到对应图像的无损压缩数据。

2.根据权利要求1所述的方法，其特征在于，对待压缩图像进行分组，每组包含N个待压缩图像，N为不小于4的偶数；所述CPU每次将N/2个待编码数据存入到缓存区，所述缓冲区设置N/2个读取接口。

3.根据权利要求2所述的方法，其特征在于，N＝4。

4.根据权利要求1或2或3所述的方法，其特征在于，GPU利用神经网络对输入的每一图像进行预测推理的方法为：所述神经网络络对输入的量化图像进行预测推理，构建以预测中概率最高的像素值的真实值为中心的正态概率分布，将输入的量化图像中各部分像素值区分开，然后根据所述正态概率分布得到对应图像的像素值概率矩阵。

5.根据权利要求1或2或3所述的方法，其特征在于，当压缩第k张图像时，向GPU发送该第k张图像之前的三张图像，向CPU发送该第k张图像；GPU根据该第k张图像之前的三张图像预测得到该第k张图像的预测图k'，即该第k张图像的像素值概率矩阵，并发送给CPU，CPU根据该预测图k'与该第k张图像生成纠偏图，即该第k张图像对应的纠偏值矩阵。

6.根据权利要求5所述的方法，其特征在于，FPGA对待编码数据进行哈夫曼编码的方法为：首先对纠偏值矩阵内所有像素值进行统计并排序，然后根据排序后的结果构建哈夫曼树，频率越大的像素值对应的码值越短，最终输出结果为编码后的数据与哈夫曼编码对应的字典。