[發(fā)明專利]一種卷積神經(jīng)網(wǎng)絡(luò)的池化方法和裝置在審
| 申請?zhí)枺?/td> | 201910351993.X | 申請日: | 2019-04-28 |
| 公開(公告)號: | CN110135560A | 公開(公告)日: | 2019-08-16 |
| 發(fā)明(設(shè)計)人: | 陳海波 | 申請(專利權(quán))人: | 深蘭科技(上海)有限公司 |
| 主分類號: | G06N3/04 | 分類號: | G06N3/04 |
| 代理公司: | 北京同達信恒知識產(chǎn)權(quán)代理有限公司 11291 | 代理人: | 黃志華 |
| 地址: | 200336 上海市長寧區(qū)威*** | 國省代碼: | 上海;31 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 池化 輸出數(shù)據(jù) 卷積神經(jīng)網(wǎng)絡(luò) 方法和裝置 有效數(shù)據(jù) 兼容性 特征圖 電子技術(shù)領(lǐng)域 參數(shù)確定 底層代碼 數(shù)據(jù)篩選 原始特征 靈活的 復(fù)用 靈活 | ||
本發(fā)明涉及電子技術(shù)領(lǐng)域,特別涉及一種卷積神經(jīng)網(wǎng)絡(luò)的池化方法和裝置。以解決現(xiàn)有技術(shù)在進行池化操作時,對不同池化參數(shù)的池化操作兼容性較差,池化方式不靈活的問題。本發(fā)明實施例確定原始特征圖對應(yīng)的待處理特征圖后,使用第一池化窗口進行池化操作,得到輸出數(shù)據(jù),根據(jù)第一池化窗口的池化參數(shù)和第二池化窗口的池化參數(shù)確定輸出數(shù)據(jù)中等效于使用第二池化窗口進行池化操作的有效數(shù)據(jù),本發(fā)明實施例可以在不更改待處理特征圖的條件下,得到對應(yīng)的使用第二池化窗口的有效數(shù)據(jù),在不更改底層代碼的前提下,通過復(fù)用第一池化窗口以及后續(xù)的數(shù)據(jù)篩選,得到不同池化參數(shù)的池化窗口的輸出數(shù)據(jù),提高了對不同池化參數(shù)的兼容性,池化方式更加靈活。
技術(shù)領(lǐng)域
本發(fā)明涉及電子技術(shù)領(lǐng)域,特別涉及一種卷積神經(jīng)網(wǎng)絡(luò)的池化方法和裝置。
背景技術(shù)
卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network,CNN)是一種前饋型神經(jīng)網(wǎng)絡(luò),其通常包含多組的卷積層(convolution layer)及池化層(pooling layer)。卷積層能夠提取輸入數(shù)據(jù)的局部特征,而池化層可針對輸入數(shù)據(jù)某個區(qū)域上的特定特征進行最大池化(maxpooling)或平均池化(average pooling)運算,以減小參數(shù)量及神經(jīng)網(wǎng)絡(luò)中的運算,池化運算完的結(jié)果可再傳給下一層進行卷積運算,然后再次進行池化運算。
現(xiàn)有,在進行池化操作時,可以使用不同尺寸的池化窗口進行池化操作得到不同的輸出結(jié)果,比如,本領(lǐng)域慣用的窗口尺寸為2×2和3×3,由算法定義的使用2×2池化窗口進行池化操作的池化參數(shù)為:stride(步長)為2,pad(填充)為0;使用3×3池化窗口進行池化操作的池化參數(shù)為:stride為1,pad為1,因此,在使用不同的池化窗口進行池化操作時,對于特征圖的處理不同,同一待處理特征圖只能針對特定的池化參數(shù),更改池化參數(shù)時需要修改底層待處理圖中圖部分的代碼,同一待處理特征圖無法兼容池化參數(shù)不同的池化窗口進行池化操作。
綜上所述,現(xiàn)有在進行池化操作時,對不同池化參數(shù)的池化操作兼容性較差,池化方式不靈活。
發(fā)明內(nèi)容
本發(fā)明提供一種卷積神經(jīng)網(wǎng)絡(luò)的池化方法和裝置,用以解決現(xiàn)有技術(shù)在進行池化操作時,對不同池化參數(shù)的池化操作兼容性較差,池化方式不靈活的問題。
第一方面,本發(fā)明實施例提供的一種卷積神經(jīng)網(wǎng)絡(luò)的池化方法包括:
確定待處理特征圖,其中所述待處理特征圖包含輸入的原始特征圖和外加的N圈pad;
使用第一池化窗口對所述待處理特征圖進行池化操作,得到輸出數(shù)據(jù);
根據(jù)所述第一池化窗口的池化參數(shù)和所述第二池化窗口的池化參數(shù)確定所述輸出數(shù)據(jù)中的有效數(shù)據(jù);
其中,第一池化窗口的尺寸大于第二池化窗口的尺寸。
上述方法,確定原始特征圖對應(yīng)的待處理特征圖后,使用第一池化窗口進行池化操作,得到輸出數(shù)據(jù),根據(jù)第一池化窗口的池化參數(shù)和第二池化窗口的池化參數(shù)確定輸出數(shù)據(jù)中等效于使用第二池化窗口進行池化操作的有效數(shù)據(jù),本發(fā)明實施例可以在不更改待處理特征圖的條件下,得到對應(yīng)的使用第二池化窗口的有效數(shù)據(jù),在不更改底層代碼的前提下,通過復(fù)用第一池化窗口以及后續(xù)的數(shù)據(jù)篩選,得到不同池化參數(shù)的池化窗口的輸出數(shù)據(jù),提高了對不同池化參數(shù)的兼容性,池化方式更加靈活。
在一種可選的實施方式中,所述根據(jù)所述第一池化窗口的池化參數(shù)和所述第二池化窗口的池化參數(shù)確定所述輸出數(shù)據(jù)中的有效數(shù)據(jù),包括:
根據(jù)池化窗口的池化參數(shù)、池化窗口的尺寸與有效池化操作的序號的對應(yīng)關(guān)系,確定所述第一池化窗口和所述第二池化窗口的池化參數(shù)以及所述第一池化窗口和所述第二池化窗口的尺寸,對應(yīng)的有效池化操作的序號;
將使用第一池化窗口對所述待處理特征圖進行池化操作中,與確定的有效池化操作的序號對應(yīng)的池化操作的輸出數(shù)據(jù)作為有效數(shù)據(jù)。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于深蘭科技(上海)有限公司,未經(jīng)深蘭科技(上海)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910351993.X/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 卷積神經(jīng)網(wǎng)絡(luò)的池化運算裝置及方法
- 用于神經(jīng)網(wǎng)絡(luò)的池化裝置和池化方法
- 圖像數(shù)據(jù)處理方法、裝置、計算機設(shè)備和存儲介質(zhì)
- 池化方法及裝置、池化系統(tǒng)、計算機可讀存儲介質(zhì)
- 一種卷積神經(jīng)網(wǎng)絡(luò)池化單元及池化計算方法
- 一種卷積神經(jīng)網(wǎng)絡(luò)的池化方法和裝置
- 一種卷積神經(jīng)網(wǎng)絡(luò)中的池化方法和池化模型
- 基于深度學(xué)習(xí)模型的圖像特征識別方法、裝置及存儲介質(zhì)
- 池化方法、裝置、設(shè)備和存儲介質(zhì)
- 特征圖的池化方法、數(shù)據(jù)處理方法和計算設(shè)備
- 數(shù)據(jù)輸出電路和數(shù)據(jù)輸出方法
- 數(shù)據(jù)輸出裝置和數(shù)據(jù)輸出方法
- 服務(wù)器、數(shù)據(jù)輸出系統(tǒng)、數(shù)據(jù)輸出方法和輸出終端
- 輸出終端、數(shù)據(jù)輸出系統(tǒng)和數(shù)據(jù)輸出方法
- 數(shù)據(jù)輸出裝置和數(shù)據(jù)輸出方法
- 數(shù)據(jù)輸出電路
- 數(shù)據(jù)輸出方法和數(shù)據(jù)輸出裝置
- 數(shù)據(jù)輸出裝置
- 數(shù)據(jù)輸出系統(tǒng)及數(shù)據(jù)輸出方法
- 數(shù)據(jù)輸出電路
- 終端卷積神經(jīng)網(wǎng)絡(luò)的處理方法、裝置、存儲介質(zhì)及處理器
- 一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像深度估計方法
- 卷積神經(jīng)網(wǎng)絡(luò)的生成方法及裝置
- 一種卷積神經(jīng)網(wǎng)絡(luò)硬件模塊部署方法
- 卷積神經(jīng)網(wǎng)絡(luò)的處理方法、裝置、設(shè)備及存儲介質(zhì)
- 一種卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法及裝置
- 一種基于通道數(shù)搜索卷積神經(jīng)網(wǎng)絡(luò)的方法
- 卷積神經(jīng)網(wǎng)絡(luò)處理方法、裝置和電子系統(tǒng)
- 一種基于空洞卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的聲音事件檢測方法
- 基于稀疏卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測方法及檢測裝置





