[发明专利]不规则卷积核卷积神经网络硬件加速系统及计算方法

说明书

本发明公开了一种不规则卷积核卷积神经网络硬件加速系统，涉及到网络硬件加速技术领域，包括主机和存储器，还包括与主机和存储器连接的硬件加速器，硬件加速器包括控制模块、补零模块、卷积核权重缓存模块、数据缓存模块、核心计算模块和中间结果缓存模块，控制模块与主机连接，补零模块、卷积核权重缓存模块、数据缓存模块、核心计算模块和中间结果缓存模块分别连接控制模块连接，补零模块与存储器连接，卷积核权重缓存模块分别连接控制模块和核心计算模块。其能够提高卷积核的利用效率，提高目标检查的准确率。

技术领域

本发明涉及到网络硬件加速技术领域，尤其涉及到一种不规则卷积核卷积神经网络硬件加速系统及计算方法。

背景技术

卷积神经网络(CNN)得到了极大的发展，特别在目标检查实施方面有了极大提高，目前已被应用到很多场合当中。

现有的卷积核的大小为m*n或n*n等，形状为正方形或长方形，但是现实中检测目标的形状千奇百怪，都是不规则的，从而导致目标的特征形状也是不规则的。卷积运算实质上是物体的特征量与卷积核的运算，这两个数据量按理想情况下，属性应该完全一样，只有这样才能获得更加准确的响应。卷积核的形状应该与目标物体的特征模式形状相近，这样才能更准确的识别出物体类别。为了实现卷积核与特征模式形状的匹配，我们对规则卷积核的数据重新组合从而达到不规则形状相类似的效果。如图1和图2所示，两个规则卷积核K1和K2都因为其特殊的分布，而拥有了建模不规则形状的能力。但这种方式消耗18个权重参数去建模9个像素的输入特征。而且需要注意的是，如果输入特征更加细长或离散、卷积核更加离散，这种低效的情况还会加剧。

发明内容

本发明的目的在于提供一种不规则卷积核卷积神经网络硬件加速系统，用于解决上述技术问题。

本发明采用的技术方案如下：

一种不规则卷积核卷积神经网络硬件加速系统，包括主机和存储器，还包括与所述主机和所述存储器连接的硬件加速器，所述硬件加速器包括控制模块、补零模块、卷积核权重缓存模块、数据缓存模块、核心计算模块和中间结果缓存模块，其中，所述控制模块与所述主机连接，所述补零模块、所述卷积核权重缓存模块、所述数据缓存模块、所述核心计算模块和所述中间结果缓存模块分别连接所述控制模块连接，补零模块与所述存储器连接，所述卷积核权重缓存模块分别连接所述控制模块和所述核心计算模块。

作为优选，还包括窗口组装模块，所述窗口组装模块与所述控制模块连接，且所述窗口组装模块连接所述数据缓存模块和所述核心计算模块。

作为优选，所述补零模块连接所述数据缓存模块，所述中间结果缓存模块连接所述核心计算模块。

作为进一步的优选，所述核心计算模块包括乘累加单元、激活函数单元和池化层单元，所述乘累加单元连接所述激活函数单元和所述窗口组装模块，所述池化层单元连接所述激活函数单元和所述中间结果缓存模块。

一种不规则卷积核卷积神经网络硬件加速系统的计算方法，所述计算方法包括：

S1、对N×M数据通过任意方式补零；

S2、组成数据窗口，提取不归则卷积核对应的有效的数据点，并将数据和对应的卷积核的值进行相乘，并实现累加。

作为进一步的优选，在S2中，根据不规则卷积核的形状提取出有效的所述数据，然后输入到乘累加单元与所述不规则卷积核中的权重相乘并累加。

上述技术方案具有如下优点或有益效果：

(1)本发明中，在卷积核中权重个数相同下，不规则卷积核减少了计算量，提高了卷积核的利用效率；

(2)本发明中，由于检查目标是不规则的，不规则的卷积核的更加适配目标的不规则特征模式，可以提高目标检查的准确率。

附图说明