卷积神经网络系统及其操作方法技术方案
【技术实现步骤摘要】
卷积神经网络系统及其操作方法本申请要求于2016年12与22日提交到韩国知识产权局的第10-2016-0177031号韩国专利申请的优先权，所述韩国专利申请的全部内容通过引用包含于此。
与示例实施例一致的设备和方法涉及一种神经网络系统，更具体地讲，涉及一种能够降低计算成本和功耗的卷积神经网络系统及其操作方法。
技术介绍
近来，卷积神经网络(CNN)已成为用于图像识别的选择的深度神经网络技术。CNN具有多个卷积层。每个卷积层接收M个输入特征图，以产生N个输出特征图，其中，M和N是自然数。CNN执行下采样(或子采样)，以降低作为多个卷积操作的结果而产生的特征图的大小。在计算复杂度方面基本上占据整个CNN处理的最重要部分的操作是卷积。与CNN的其他操作相比，大量功率被消耗以执行乘法和累积操作被迭代的卷积操作。因此，为实现执行卷积神经网络CNN的硬件，存在对降低卷积操作的计算复杂度的需求。
技术实现思路
一个或多个示例实施例提供一种能够减少卷积神经网络系统中的具有大部分计算复杂度的卷积操作的卷积神经网络系统及其操作方法。根据示例实施例的一方面，一种卷积神经网络的操作方法包括：...
【技术保护点】
1.一种操作卷积神经网络系统的方法，所述方法包括：执行用于确定至少一个内核与输入特征图之间的相关性的卷积环；确定输入特征图上的最大位置，其中，所述最大位置与基于卷积环产生的输出特征的最大值对应；通过使用所述至少一个内核的卷积环来处理输入特征图的第一区域的第一数据，其中，第一区域与所述最大位置相关联，其中，处理第一数据的步骤包括：跳过输入特征图的第二区域的第二数据的卷积操作，第二区域与所述最大位置无关。
【技术特征摘要】
2016.12.22 KR 10-2016-01770311.一种操作卷积神经网络系统的方法，所述方法包括：执行用于确定至少一个内核与输入特征图之间的相关性的卷积环；确定输入特征图上的最大位置，其中，所述最大位置与基于卷积环产生的输出特征的最大值对应；通过使用所述至少一个内核的卷积环来处理输入特征图的第一区域的第一数据，其中，第一区域与所述最大位置相关联，其中，处理第一数据的步骤包括：跳过输入特征图的第二区域的第二数据的卷积操作，第二区域与所述最大位置无关。2.如权利要求1所述的方法，其中，确定最大位置的步骤包括：响应于在输入特征图上的一个位置连续地检测到最大值至少参考次数，将所述一个位置确定为所述最大位置。3.如权利要求1所述的方法，其中，确定最大位置的步骤包括：响应于在输入特征图上的一个位置连续地检测到最大值的次数大于最大卷积深度和参考比率的乘积，将所述一个位置确定为所述最大位置。4.如权利要求1所述的方法，其中，执行卷积环的步骤包括：以最大卷积深度的特定范围的深度间隔执行卷积环。5.如权利要求1所述的方法，其中，在所述卷积神经网络系统的训练操作期间以概率信息的形式存储所述最大位置。6.如权利要求1所述的方法，其中，确定最大位置的步骤包括：在输入特征图上设置位置，其中，所述位置与由用户输入的最大值对应。7.如权利要求1所述的方法，还包括：将偏差选择性地应用于根据处理第一数据的卷积环的执行而产生的输出特征值。8.如权利要求7所述的方法，其中，选择性地应用偏差的步骤包括：将所述偏差应用于与所述最大位置对应的第一输出特征值，不将所述偏差应用于与所述最大位置不相关的第二输出特征值。9.如权利要求1所述的方法，还包括：在处理第一数据的步骤之后，执行用于减少将被输出的输出特征图的大小的池化操作。10.如权利要求9所述的方法，其中，池化操作包括：将来自输出特征图的特征之中的与所述最大位置对应的特征发送到输出缓冲器。11.如权利要求10所述的方法，其中，跳过在最大池化操作中选择的特征之间的比较操作。12.一种卷积神经网络系统，包括：输入缓冲器，被配置为：缓冲输入图像和输入特征图中的至少一个；处理元件单元，被配置：使用来自输入缓冲器的输入图像和输入特征图中的所述至少一个以及至少一个内核，来执行卷积操作；输出缓冲器，被配置为：存储作为由处理元件单元执行的卷积操作的结果输出的输出特征；控制器，被配置为：控制输入缓冲器、处理元件单元和输出缓冲器执行用于处理输入图像和输入特征图中的所述至少一个的卷积环，并检测与基于卷积环产生的输出特征的最大值对应的最大位置；最大位置缓冲器，被配置为：存...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。