[發明專利]針對卷積神經網絡輸入層的位解釋

在審

• 申請號: 201911200618.1
• 申請日: 2019-11-29
• 公開（公告）號: CN111260023A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: T.羅茨尼克;R.迪興;C.彼得斯
• 申請（專利權）人: 羅伯特·博世有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/063
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 畢錚;劉春元

1.一種用于實現卷積神經網絡的方法，包括：

接收所述卷積神經網絡的輸入數據；

在不提供預定義的序數結構的情況下，通過應用學習位特定相關性的按位加權算法來對所述輸入數據進行過濾，以生成直接二進制輸入數據；以及

將所述直接二進制輸入數據提供給所述卷積神經網絡內的卷積層。

2.根據權利要求1所述的方法，其中所述直接二進制輸入數據被提供給所述卷積層，而不必對所述輸入數據執行附加的歸一化。

3.根據權利要求1所述的方法，其中所述按位加權算法通過將每個單獨的輸入數據值與對應于所述單獨的輸入數據值的每個位的位特定權重的乘積進行求和來操作。

4.根據權利要求3所述的方法，其中使用特定于給定用例的經標記的數據集來訓練所述位特定權重。

5.根據權利要求1所述的方法，其中所述卷積神經網絡進一步包括一個或多個全連接層和柔性最大層。

6.根據權利要求1所述的方法，其中所述直接二進制輸入數據進一步被提供給包括卷積核（K）濾波器的二進制輸入層，所述濾波器具有至少為1×1陣列的濾波器大小。

7.一種用于實現卷積神經網絡的方法，包括：

接收所述卷積神經網絡的輸入數據；

在不提供預定義的序數結構的情況下，通過應用學習位特定相關性的按位加權算法來對所述輸入數據進行過濾，以生成直接二進制輸入數據；以及

將所述直接二進制輸入數據提供給包括卷積核（K）濾波器的二進制輸入層，所述濾波器具有至少為1×1陣列的濾波器大小。

8.根據權利要求7所述的方法，其中所述按位加權算法通過將每個單獨的輸入數據值與對應于所述單獨的輸入數據值的每個位的位特定權重的乘積進行求和來操作。

9.根據權利要求8所述的方法，其中使用特定于給定用例的經標記的數據集來訓練所述位特定權重。

10.根據權利要求7所述的方法，其中所述直接二進制輸入數據被提供給卷積層，而不必對所述輸入數據執行附加的歸一化。

11.根據權利要求7所述的方法，其中所述二進制輸入層內包括一個或多個卷積核濾波器。

12.根據權利要求7所述的方法，其中所述二進制輸入層在深度方面和點方面的卷積中分解卷積。

13.根據權利要求7所述的方法，其中所述卷積神經網絡進一步包括一個或多個全連接層和柔性最大層。

14.一種用于實現卷積神經網絡的系統，包括：

用于接收數據的輸入；以及

處理器，其包括如下邏輯：所述邏輯用于在不提供預定義的序數結構的情況下，通過應用學習位特定相關性的按位加權算法來對所述輸入數據進行過濾，以生成直接二進制輸入數據；以及將所述直接二進制輸入數據提供給所述卷積神經網絡內的卷積層。

15.根據權利要求14所述的系統，其中，所述處理器進一步包括如下邏輯：所述邏輯將所述直接二進制輸入數據提供給包括卷積核濾波器的二進制輸入層，所述濾波器具有至少為1×1陣列的濾波器大小。

16.根據權利要求15所述的系統，其中，所述處理器進一步包括如下邏輯：所述邏輯包括能夠接收由所述二進制輸入層提供的直接二進制輸入數據的卷積層。

17.根據權利要求15所述的系統，其中所述二進制輸入層被設計成包括一個或多個卷積核濾波器。