[发明专利]识别图像的方法和设备在审

专利信息
申请号: 202011450974.1 申请日: 2020-12-09
公开(公告)号: CN113408693A 公开(公告)日: 2021-09-17
发明(设计)人: 金在渊 申请(专利权)人: 三星电子株式会社
主分类号: G06N3/04 分类号: G06N3/04;G06N3/08;G06K9/62
代理公司: 北京铭硕知识产权代理有限公司 11286 代理人: 黄晓燕;张川绪
地址: 韩国京畿*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 识别 图像 方法 设备
【说明书】:

提供了识别图像的方法和设备。所述方法包括:获得待识别的图像数据作为神经网络的输入数据;基于待识别的图像数据执行与神经网络的每个层有关的操作,以获得图像识别的结果;和输出图像识别的结果,其中,针对神经网络的目标层中的每个:提取目标层的元数据;通过将目标层的元数据与每个参考层的参考元数据进行比较,测量目标层与每个参考层之间的相似度;基于相似度在参考层之中选择对应层;和基于与对应层匹配的参考并行化策略,生成目标层的并行化策略,并且使用目标层的输入数据基于并行化策略执行与目标层有关的操作的并行处理。

专利申请要求于2020年3月16日在韩国知识产权局提交的第10-2020-0032233号韩国专利申请的权益,所述韩国专利申请的全部公开出于所有目的通过引用包含于此。

技术领域

下面的描述涉及用于识别图像的方法和设备,更具体地,涉及通过神经网络模型的并行处理来实现图像识别的方法和设备。

背景技术

已经使用例如由处理器实现的神经网络模型作为专用计算结构来实现图像识别处理的技术自动化,神经网络模型可在大量的训练之后提供输入模式与输出模式之间的计算上直观的映射。被训练以生成这样的映射的能力可被称为“神经网络的训练能力”。此外,由于专门的训练,这样的专用的和训练的神经网络可具有针对未被训练的输入模式生成相对准确的输出的泛化能力。为了处理与神经网络模型的训练和推断有关的操作,更快速地收敛到结果的方法可包括例如模型并行化(model parallelization)和/或数据并行化(data parallelization)。

发明内容

提供本发明内容来以简化的形式介绍在以下具体实施方式中进一步描述的构思的选择。本发明内容不意在确定要求权利的主题的关键特征或必要特征,也不意在用于帮助确定要求权利的主题的范围。

在一个总体方面,一种识别图像的方法,所述方法包括:获得待识别的图像数据作为神经网络的输入数据;基于待识别的图像数据执行与神经网络的每个层有关的操作,以获得图像识别的结果;和输出图像识别的结果,其中,针对神经网络的目标层中的每个:提取目标层的元数据;通过将目标层的元数据与每个参考层的参考元数据进行比较,测量目标层与每个参考层之间的相似度;基于相似度在参考层之中选择对应层;和基于与对应层匹配的参考并行化策略,生成目标层的并行化策略,并且使用目标层的输入数据基于并行化策略执行与目标层有关的操作的并行处理。

目标层是从神经网络的多个层选择的一个或多个层。

神经网络的第一层的输入数据为待识别的图像数据,神经网络的第一层之外的层的输入数据为前一层的输出数据。

在一个总体方面,一种识别图像的设备,所述设备包括:处理器;和存储器,包括能够由处理器执行的指令,其中,响应于所述指令被处理器执行,处理器被配置为:获得待识别的图像数据作为神经网络的输入数据;基于待识别的图像数据执行与神经网络的每个层有关的操作,以获得图像识别的结果;和输出图像识别的结果,其中,针对神经网络的目标层中的每个:提取目标层的元数据;通过将目标层的元数据与每个参考层的参考元数据进行比较,测量目标层与每个参考层之间的相似度;基于相似度在参考层之中选择对应层;和基于与对应层匹配的参考并行化策略,生成目标层的并行化策略,并且使用目标层的输入数据基于并行化策略执行与目标层有关的操作的并行处理。

在一个总体方面,一种训练用于识别图像的神经网络的方法,所述方法包括:获取训练图像数据;基于训练图像数据对神经网络进行训练,其中,在训练中,针对神经网络的目标层中的每个:提取目标层的元数据;通过将目标层的元数据与每个参考层的参考元数据进行比较,测量目标层与每个参考层之间的相似度;基于相似度在参考层之中选择对应层;和基于与对应层匹配的参考并行化策略,生成目标层的并行化策略,并且使用目标层的输入数据基于并行化策略执行与目标层有关的操作的并行处理。

目标层是从神经网络的多个层选择的一个或多个层。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于三星电子株式会社,未经三星电子株式会社许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011450974.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top