【技術實現步驟摘要】
本專利技術涉及數據處理，并且具體地涉及使用神經網絡加速器對樣本進行重采樣。
技術介紹
1、樣本是位于坐標系中的給定坐標處的數據點。例如，在一維坐標系中，樣本s在坐標(x)處具有值s(x)。更一般地，在較高維度上，樣本s將在坐標(x,y…)處具有值s(x,y…)。使用符號s(x)來指代樣本集。二維中的樣本集的示例是圖像。圖像中的每個像素是位于特定x,y坐標對的數據點(例如黑白圖像中的亮度值)。
2、重采樣是基于(被稱為第一樣本集的)輸入樣本集sin來創建(被稱為第二樣本集的)新樣本sout的行為。第一樣本集包含在于第一坐標系cin中定義的坐標xin處具有值sin(xin)的樣本。第二樣本集sout包含在于第二坐標系cout中定義的坐標xout處具有值sout(xout)的樣本。第二樣本集的坐標xout定義如下：
3、
4、其中α是重采樣參數，該重采樣參數將在下文更詳細地解釋。第二樣本集中的樣本數量取決于α以及第一樣本集的高度h和寬度w。
5、重采樣的目的是通過在第一坐標系cin中的坐標處內插值，隨后根據坐標xout將這些值進行排列來創建第二樣本集。以此方式，內插值成為第二樣本集sout的值。坐標定義采樣位置在第一坐標系中的位置。
6、坐標是(在第二坐標系cout中定義的)第二樣本集xout投影到第一坐標系cin中的坐標。坐標xout與坐標之間的關系如下：
7、
8、其中d是偏移參數。應注意x坐標和y坐標上星號‘*’的使用。此星號表示這些坐標是針對第
9、
10、其中函數i(,)表示內插運算，該內插運算接收針對采樣位置的樣本(集)和坐標(集)作為輸入，并且計算新樣本將在那些坐標處具有的值。
11、重采樣運算的一個示例是上采樣。上采樣獲取具有第一采樣率(樣本在空間或時間上的頻率)的第一樣本集，并且基于第一樣本集來創建第二樣本集，該第二樣本集具有比第一樣本集高的采樣率(并且因此包含更多樣本)。當α大于1時，進行上采樣。例如，通過確定信號的測量中每個相鄰樣本對之間的值，可以創建上采樣測量，該上采樣測量近似于以原始采樣率的兩倍進行的信號測量。當與信號的原始測量相比時，此上采樣測量包含兩倍數量的樣本，并且信號的原始測量據稱已按因子二進行上采樣(即α＝2)。如上文所提及，可以使用內插來確定新樣本的值。取決于所使用的內插類型，新樣本將具有不同的值。上采樣用于許多類型的信號處理中。在一個示例中，上采樣用于提高圖像的分辨率。
12、下采樣是另一類型的重采樣運算并且具有與上采樣相反的效果。當α是小于1的正數時，進行下采樣。下采樣獲取具有第一采樣率的第一樣本集，并且創建具有第二較低采樣率的第二樣本集。因此，第二樣本集包含比原始樣本集少的樣本。下采樣可能是有用的，因為它減少了樣本集的內存大小以及處理樣本集所需的帶寬。
13、使用上采樣來生成包含第一樣本集中的樣本數量的整數倍的樣本的第二樣本集稱為整數上采樣。使用下采樣來生成包含第一樣本集中的樣本數量的單位分數的樣本的第二樣本集稱為整數下采樣。還可以按非整數因子對樣本集進行上采樣或下采樣，這分別稱為分數上采樣或分數下采樣。例如，為了在720p與1080p之間改變視頻幀的分辨率，必須在垂直維度上按的因子α對720p幀進行上采樣(或者必須按的因子α對1080p幀進行下采樣)。
14、本文中稱為“偏移重采樣”的另一形式的重采樣力圖生成第二樣本集，該第二樣本集具有與第一樣本集相同的采樣率，但具有在至少一個維度上偏移的樣本。在圖像的示例中，偏移重采樣可用于生成樣本在空間上偏移的圖像。在音頻數據的示例中，偏移重采樣可用于生成在時間上偏移的樣本。當α＝0以及d≠0時，進行偏移重采樣。
15、分數上采樣或下采樣可以通過“下采樣優先方法”來執行，其中首先按因子b對第一樣本集進行下采樣以產生中間值集合，隨后按因子a對中間值集合進行上采樣。替代地，可以使用“上采樣優先方法”，其中首先按因子a對第一樣本集進行上采樣，隨后按因子b對所得中間值集合進行下采樣。
16、執行分數上采樣、分數下采樣和偏移重采樣的現有方法具有許多問題。上采樣固有地產生比第一樣本集中所存在的值多的值。因此，對通過上采樣產生的中間值執行的任何處理運算(諸如上采樣優先方法中的下采樣步驟)都需要比在已對第一樣本集執行運算時多的存儲器、帶寬和計算資源。此外，仍然考慮上采樣優先方法，通過上采樣步驟產生的中間值的一部分在后一下采樣步驟中被丟棄，這意味著花費在計算那些值上的計算資源被浪費。由于這些原因，當與下采樣優先方法相比時，上采樣優先方法在計算上是效率低下的。
17、下采樣固有地產生比第一樣本集中所存在的值少的值。因此，與上采樣優先方法相比，下采樣優先方法的存儲器和帶寬需求減少，因為初始下采樣步驟減少了需要存儲并隨后在后一上采樣步驟中處理的值的數量。然而，由于下采樣過程固有的數據丟失，后一上采樣步驟所基于的值較少。這意味著通過上采樣步驟產生的第二樣本集不太可能準確，并且下采樣優先方法的輸出質量低于上采樣優先方法的對應輸出。
18、除了上述問題以外，雖然上采樣優先方法和下采樣優先方法都可以在神經網絡中實現，但這兩種方法都不可以由示例性神經網絡加速器在單一遍次中處理。
19、希望找到一種實現分數上采樣和下采樣的方法，該方法維持較高最終信號質量而沒有較大帶寬要求，并且可以通過示例性神經網絡加速器在單一遍次中執行。還希望找到一種使用神經網絡加速器實現偏移重采樣的有效方法。
技術實現思路
1、提供本
技術實現思路
是為了以簡化形式介紹下文在具體實施方式中進一步描述的一系列概念。本
技術實現思路
不旨在標識所要求保護的主題的關鍵特征或必要特征，也不旨在用以限制所要求保護的主題的范圍。
2、公開了一種用于對第一樣本集進行重采樣的方法和數據處理系統。該方法包括將一系列內核與第一樣本集進行卷積，并且對卷積的張量輸出執行深度-空間運算。卷積和深度-空間運算在網絡加速器的固定功能電路中實現。
3、根據一個方面，提供了一種使用包括固定功能硬件的神經網絡加速器對第一樣本集進行重采樣的方法。該方法包括：
4、接收第一樣本集，其中該第一樣本集排列在張量中，該張量在于第一坐標系中定義的至少第一維度上延伸；
5、確定重采樣參數集，該重采樣參數集包括：
6、針對第一維度的第一重采樣因子以及
7、針對第一維度的第一偏移量d1；
8、獲得至少第一數量的內核；以及
9、基于第一重采樣因子和第一偏移量，對第一樣本集進行重采樣以產生第二樣本集，
10、其中：
11、a1和b1是大于0的整數；本文檔來自技高網...
【技術保護點】
1.一種使用包括固定功能硬件的神經網絡加速器對第一樣本集(300)進行重采樣的方法(100)，所述方法包括：
2.如權利要求1所述的方法(100)，其中獲得(130)所述內核包括：
3.如權利要求2所述的方法(100)，其中所述采樣位置子集在所述第一坐標系中具有X坐標
4.如權利要求2所述的方法(100)，其中：
5.如前述權利要求中任一項所述的方法(100)，其中：
6.如權利要求5所述的方法(100)，其中獲得所述內核包括：
7.如權利要求6所述的方法(100)，其中：
8.一種用于對第一樣本集進行重采樣的數據處理系統(200)，所述數據處理系統包括：
9.如權利要求8所述的數據處理系統(200)，其中所述控制器(220)被配置成：
10.如權利要求8至9中任一項所述的數據處理系統(200)或者如權利要求1至4中任一項所述的方法(100)，其中所述內核中的每個內核在所述第一維度上具有至少(b1+1)的大小。
11.如權利要求8至9中任一項所述的數據處理系統(
12.如權利要求8至9中任一項所述的數據處理系統(200)或者如權利要求1至4中任一項所述的方法(100)，其中：
13.如權利要求8至9中任一項所述的數據處理系統(200)或者如權利要求1至4中任一項所述的方法(100)，其中通過所述神經網絡加速器在單一遍次中執行所述重采樣和所述排列。
14.如權利要求8至9中任一項所述的數據處理系統(200)或者如權利要求1至4中任一項所述的方法(100)，其中所述第一樣本集包括以下各項中的一者或多者：
15.一種計算機可讀存儲介質，所述計算機可讀存儲介質上編碼有計算機可讀代碼，所述計算機可讀代碼被配置成在運行所述代碼時使得如權利要求1所述的方法(100)得以執行。
...【技術特征摘要】
1.一種使用包括固定功能硬件的神經網絡加速器對第一樣本集(300)進行重采樣的方法(100)，所述方法包括：
2.如權利要求1所述的方法(100)，其中獲得(130)所述內核包括：
3.如權利要求2所述的方法(100)，其中所述采樣位置子集在所述第一坐標系中具有x坐標
4.如權利要求2所述的方法(100)，其中：
5.如前述權利要求中任一項所述的方法(100)，其中：
6.如權利要求5所述的方法(100)，其中獲得所述內核包括：
7.如權利要求6所述的方法(100)，其中：
8.一種用于對第一樣本集進行重采樣的數據處理系統(200)，所述數據處理系統包括：
9.如權利要求8所述的數據處理系統(200)，其中所述控制器(220)被配置成：
10.如權利要求8至9中任一項所述的數據處理系統(200)或者如權利要求1至4中任一項所述的方法(100)，其中所述內核中的每個內核...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。