[發明專利]利用神經網絡處理的方法和裝置

在審

• 申請號: 202010623752.9
• 申請日: 2020-07-01
• 公開（公告）號: CN112990453A
• 公開（公告）日: 2021-06-18
• 發明（設計）人: 河相源
• 申請（專利權）人: 三星電子株式會社
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 倪斌

提供了一種利用神經網絡處理的方法和裝置。該方法包括：基于計算神經網絡的第一層中的通道的第一輸出特征圖中的像素值的區域和來針對第一層中的每個通道生成積分圖；通過對針對各個通道生成的積分圖執行累加運算來生成累加積分圖；通過在第一層之后的第二層的輸入特征圖與權重核之間執行卷積運算，來獲得第二層的預輸出特征圖；以及通過從預輸出特征圖的像素值中減去累加積分圖的累加值來去除權重核中的偏移，以獲得第二層的第二輸出特征圖。

相關申請的交叉引用

本申請基于要求于2019年12月16日在韓國知識產權局遞交的韓國專利申請No.10-2019-0168142的權益，其全部公開內容通過引用被并入本文中以用于所有目的。

技術領域

以下描述涉及利用神經網絡處理的方法和裝置。

背景技術

神經網絡是基于計算架構的計算系統。神經網絡技術可以分析輸入數據并從中提取有效信息。

神經網絡設備通常需要對復雜的輸入數據進行大量計算。為了使典型的神經網絡設備處理大量計算，通常必須執行從存儲器讀取大量數據或向存儲器寫入大量數據的操作以便進行計算，因此由于頻繁的存儲器訪問可能會消耗大量能源。低功率和高性能系統如移動設備或物聯網(IoT)設備通常具有有限的資源，因此通常需要減少處理大量數據所需能耗的技術。

發明內容

提供本發明內容以便以簡化的形式介紹一些構思，下面會在具體實施方式中進一步描述這些構思。本發明內容并非意在標識所請求保護的主題的關鍵特征或基本特征，也并非意在幫助確定所請求保護的主題的范圍。

在一個總體方面，一種處理神經網絡的方法包括：基于計算神經網絡的第一層中的通道的第一輸出特征圖中的像素值的區域和，來針對第一層中的每個通道生成積分圖；通過對針對各通道生成的積分圖執行累加運算來生成累加積分圖；通過在第一層之后的第二層的輸入特征圖與權重核之間執行卷積運算，來獲得第二層的預輸出特征圖；以及通過從預輸出特征圖的像素值中減去累加積分圖的累加值來去除權重核中的偏移，以獲得第二層的第二輸出特征圖。

該方法還可以包括執行對第二輸出特征圖的識別。

權重核可以包括通過神經網絡的非對稱量化而獲得的權重。

積分圖可以包括通過以下操作而獲得的數據：將通過對從第一輸出特征圖的參考像素到第一輸出特征圖的第一輸出像素的區域中包括的像素值求和而得到的值設置為積分圖中與第一輸出像素相對應的像素的值。

參考像素可以被設置為第一輸出特征圖的四個角像素之一。

可以通過對針對各通道生成的積分圖執行逐像素的累加運算來生成累加積分圖。

從第一層生成的累加積分圖可以對應于關于以下項的數據：通過神經網絡的非對稱量化而生成的第二層的權重核的偏移。

獲得第二輸出特征圖可以包括：確定映射到權重核的輸入特征圖的邊界框，以獲得第二層的預輸出特征圖的預輸出像素；獲得被設置為與邊界框的四個角像素相對應的累加積分圖的像素的像素值；基于所獲得的像素值來計算預輸出像素的像素值中的偏移；通過從預輸出像素的像素值中減去所計算出的偏移來獲得第二輸出特征圖的第二輸出像素。

邊界框的四個角像素可以包括邊界框的右上像素、左上像素、右下像素和左下像素。獲得被設置為累加積分圖的像素的像素值可以包括：從累加積分圖獲得與右上像素相對應的第一積分圖像素的像素值、與左上像素相對應的第二積分圖像素的像素值、與右下像素相對應的第三積分圖像素的像素值、以及與左下像素相對應的第四積分圖像素的像素值。

在用于生成累加積分圖的參考像素是第一輸出特征圖的左下像素時，計算偏移可以包括：通過從第一積分圖像素的像素值與第四積分圖像素的像素值之和中減去第二積分圖像素的像素值及第三積分圖像素的像素值，來計算預輸出像素的像素值中的偏移。