[发明专利]提高卷积神经网络计算效率的方法和装置

权利要求书

1.一种提高卷积神经网络计算效率的方法，其特征在于，包括：

获取待检测图像的特征图的分辨率和通道数以及乘加单元中乘法器的个数；

获取所述待检测图像的特征图的卷积神经网络CNN检测模型，所述检测模型包括对所述特征图进行卷积运算时每一卷积层的步进值、每一卷积层所使用的卷积系数分辨率和每一卷积层所使用的卷积系数的个数；

根据所述CNN检测模型第m卷积层的步进值和第m卷积层的输入特征图的分辨率，确定第m+1卷积层的输入特征图的分辨率，根据所述CNN检测模型第m卷积层所使用的卷积系数的个数，确定第m+1卷积层的输入特征图的通道数；

对于所述检测模型的每一卷积层，根据输入特征图的分辨率和通道数、卷积系数的个数以及所述乘加单元中乘法器的个数，确定所述乘加单元在每个维度上乘法器的分配系数，其中，所述分配系数为2的n次方，n为正整数；

对于所述检测模型的每一卷积层，根据每个维度上乘法器的分配系数，将卷积层的输入特征图的分辨率及通道数上的各数据，输入所述乘加单元中的各乘法器进行卷积运算，输出每一卷积层的输出特征图，其中，所述待检测图像的特征图作为所述检测模型第一卷积层的输入特征图。

2.根据权利要求1所述的方法，其特征在于，所述分配系数包括I、J、B、A；所述对于所述检测模型的每一卷积层，根据输入特征图的分辨率和通道数、卷积系数的个数以及所述乘加单元中乘法器的个数，确定乘加单元在每个维度上乘法器的分配系数，包括：

对于所述检测模型的每一卷积层，根据输入特征图的通道数C确定B，根据卷积系数的个数N确定A，根据输入特征图的分辨率确定I和J；

其中，A小于或等于N，对于所述检测模型的第一卷积层，B大于或等于C；对于所述检测模型除了第一卷积层以外的其他卷积层，B小于或等于C；输入特征图的分辨率与I和J的取值正相关，且I×J×B×A等于所述乘加单元中乘法器的个数。

3.根据权利要求1所述的方法，其特征在于，所述根据所述CNN检测模型第m卷积层的步进值和第m卷积层的输入特征图的分辨率，确定第m+1卷积层的输入特征图的分辨率，包括：

使用公式R_m+1＝R_m/S_m计算第m+1卷积层的输入特征图的分辨率，其中，R_m+1表示第m+1卷积层的输入特征图的分辨率，R_m表示第m卷积层的输入特征图的分辨率，S_m表示第m卷积层的步进值。

4.根据权利要求1所述的方法，其特征在于，所述根据所述CNN检测模型第m卷积层所使用的卷积系数的个数，确定第m+1卷积层的输入特征图的通道数，包括：

通过公式C_m+1＝N_m，计算第m+1卷积层的输入特征图的通道数，其中，C_m+1表示第m+1卷积层的输入特征图的通道数，N_m表示第m卷积层所使用的卷积系数的个数。

5.根据权利要求1～4任一项所述的方法，其特征在于，所述方法还包括：

对于所述检测模型的每一卷积层，将乘加单元中为输入特征图通道维度上分配的乘法器设置于所述乘加单元中加法树相邻的位置。