[发明专利]一种类卷积人工神经网络的构造方法及装置

权利要求书

1.一种类卷积人工神经网络的构造方法，其特征在于，包括以下步骤：

步骤1：对多个通道特征输入映像进行类卷积人工神经网络单个类卷积层操作；

所述步骤1包括：

步骤1.1：计算多个通道特征输入映像和卷积核的二维卷积结果：

对于单个类卷积层L＝{k_j},j∈{1,...,n}，计算多个通道特征输入映像和卷积核的二维卷积结果，采用标准的二维卷积计算多个通道特征输入映像I＝{I_i},i∈{1,…,m}和卷积核k_j的卷积结果Conv2d(I_i,k_j)；

步骤1.2：对二维卷积结果进行加权，并将加权后的结果作为本层类卷积输出映像：

将多个通道的二维卷积结果使用权重参数Λ＝{λ_i}进行加权，得到输出卷积映像O＝{O_j}，作为本类卷积层的输出映像，O_j的计算公式如下所示：

其中，O_j为第j个卷积核作用于多通道输入映像的卷积结果，i表示通道，m表示通道个数，λ_i为通道i对应的权重，k_j为第j个卷积核，I_i为第i个通道的特征输入映像，Conv2d(k_j,I_i)表示对第j个卷积核及第i个通道的特征输入映像的2维卷积操作；

步骤2：将上一类卷积层的输出作为下一类卷积层的输入；

在手写字符数据集合MNIST上进行实验，在具有相同网络结构条件且卷积层数为2时，该方法比标准的卷积神经网络训练时间缩短10％至12％。

2.根据权利要求1所述的一种类卷积人工神经网络的构造方法，其特征在于，还包括：

构建多层类卷积人工神经网络，所述多层类卷积人工神经网络包括：输入层、类卷积层、全连接层及分类器层；包括：将输入层、类卷积层及全连接层进行串行连接，并制定分类器。

3.基于权利要求1-2任一项所述的一种类卷积人工神经网络的构造方法的一种类卷积人工神经网络的构造装置，其特征在于，包括：

操作模块，用于对多个通道特征输入映像进行类卷积人工神经网络单个类卷积层操作；

所述操作模块包括：

计算模块，用于计算多个通道特征输入映像和卷积核的二维卷积结果：

对于单个类卷积层L＝{k_j},j∈{1,...,n}，计算多个通道特征输入映像和卷积核的二维卷积结果，采用标准的二维卷积计算多个通道特征输入映像I＝{I_i},i∈{1,…,m}和卷积核k_j的卷积结果Conv2d(I_i,k_j)；

加权模块，用于对二维卷积结果进行加权，并将加权后的结果作为本层类卷积输出映像：

将多个通道的二维卷积结果使用权重参数Λ＝{λ_i}进行加权，得到输出卷积映像O＝{O_j}，作为本类卷积层的输出映像，O_j的计算公式如下所示：

其中，O_j为第j个卷积核作用于多通道输入映像的卷积结果，i表示通道，m表示通道个数，λ_i为通道i对应的权重，k_j为第j个卷积核，I_i为第i个通道的特征输入映像，Conv2d(k_j,I_i)表示对第j个卷积核及第i个通道的特征输入映像的2维卷积操作；

输出输入模块，用于将上一类卷积层的输出作为下一类卷积层的输入。

4.根据权利要求3所述的一种类卷积人工神经网络的构造装置，其特征在于，还包括：

构建模块，用于构建多层类卷积人工神经网络，所述多层类卷积人工神经网络包括：输入层、类卷积层、全连接层及分类器层；包括：将输入层、类卷积层及全连接层进行串行连接，并制定分类器。