[发明专利]提高卷积神经网络计算效率的方法和装置有效
| 申请号： | 201710173124.3 | 申请日： | 2017-03-22 |
| 公开（公告）号： | CN108629405B | 公开（公告）日： | 2020-09-18 |
| 发明（设计）人： | 方颉翔;胡睿;张铧铧 | 申请（专利权）人： | 杭州海康威视数字技术股份有限公司 |
| 主分类号： | G06N3/063 | 分类号： | G06N3/063;G06K9/00 |
| 代理公司： | 北京柏杉松知识产权代理事务所(普通合伙) 11413 | 代理人： | 马敬;项京 |
| 地址： | 310051 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供了一种提高卷积神经网络计算效率的方法和装置，一种提高卷积神经网络计算效率的方法包括：对于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，对于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，待检测图像的特征图作为检测模型第一卷积层的输入特征图。本发明实施例提供的提高卷积神经网络计算效率的方法和装置，用于提高卷积神经网络算法的计算效率。 | ||
| 搜索关键词： | 提高 卷积 神经网络 计算 效率 方法 装置 | ||
【主权项】：
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。
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杭州海康威视数字技术股份有限公司，未经杭州海康威视数字技术股份有限公司许可，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/patent/201710173124.3/，转载请声明来源钻瓜专利网。
- 上一篇：用于集成人工神经元器件的不应电路
- 下一篇：用于卷积神经网络的运算装置
