一种应用于深度学习的特征提取方法及系统技术方案

本发明专利技术公开了一种应用于深度学习的特征提取方法及系统，对现有深度学习计算方式进行了改进，现有技术中，深度学习中的特征提取需要将一组待特征提取的数字信号与滤波器的数字信号进行卷积，本发明专利技术将前述两种数字信号形式转换为光信号形式，此时光信号形式可简便地转换为频域，时域上的卷积等同于其对应频域上的点乘，时域上的卷积很复杂，频域点乘的运算会简单很多，本发明专利技术可有效减小深度学习计算量，且部分运算转换为光计算后，这部分计算速度即变为光学，计算时间大幅缩小。

【技术实现步骤摘要】
一种应用于深度学习的特征提取方法及系统
本专利技术涉及人工智能领域，尤其涉及一种应用于深度学习的特征提取方法及系统。
技术介绍
深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。深度学习是机器学习中一种基于对数据进行表征学习的方法，在高速发展的科技环境中，其越来越多地被应用在人工智能、面部识别、虹膜识别等机器学习领域。人类也在不断探索在深度学习中如何更快地进行特征提取。目前深度学习中卷积神经网络由输入层、卷积层、激活函数、池化层、全连接层组成，卷积层用于提取技术特征，在深度学习卷积运算里，特征提取的基本原理是采用不同的滤波器与一组待特征提取的数据进行空域上的矩阵卷积运算。若待特征提取的数据为X,滤波器为Y，则特征提取后的信息则为但是，在矩阵卷积运算过程中计算复杂、计算量大、计算耗时长。因此，目前一般在计算机中将待特征提取的数据与滤波器进行傅里叶变换，从而将两组数据的空域/空域信息变换为频谱信息；相应地，空域/空域上的卷积运算便转换为频谱上的点乘运算，而点乘运算的计算量则会小很多。但即便进行傅里叶变换，也是在计算机的程序中完成，其变换时间也是由计算机性能及数据量决定。计算机性能越强，变换速度越快；数据量越大，变换速度越慢。如果要使深度学习计算能力提高，只有不断投入性能更强更多的计算机硬件，其成本高，效率低。
技术实现思路
本专利技术的目的是提供一种应用于深度学习的特征提取方法及系统，解决在有限计算机性能及数量的情况下，如何实现提升深度学习计算效率的问题。为了实现上述专利技术目的，本专利技术提供了一种应用于深度学习的特征提取方法，包括：将待特征提取的数字信号和其对应的滤波器的数字信号分别通过显示技术转换为待特征提取的空域图像信息和滤波器的空域图像信息；将所述待特征提取的空域图像信息和所述滤波器的空域图像信息分别通过光学傅里叶变换装置转换为待特征提取的频谱图像信息和滤波器的频谱图像信息，并分别通过光探测器将所述待特征提取的频谱图像信息和滤波器的频谱图像信息输出至处理器中进行点乘运算得到特征提取后的频谱图像信息。优选的，所述方法还包括：将所述特征提取后的频谱图像信息进行傅里叶逆变换得到特征提取后的数字信号。优选的，所述显示技术包括光纤扫描显示、OLED显示、LCD显示、LCoS显示和DLP显示中的一种。相应的，本专利技术还提供了一种应用于深度学习的特征提取系统，包括：显示模组、光学傅里叶变换装置、光探测器和处理器，其中：所述显示模组用于将待特征提取的数字信号和其对应的滤波器的数字信号分别转换为待特征提取的空域图像信息和滤波器的空域图像信息；所述光学傅里叶变换装置用于将所述待特征提取的空域图像信息和所述滤波器的空域图像信息分别转换为待特征提取的频谱图像信息和滤波器的频谱图像信息；所述光探测器用于将所述待特征提取的频谱图像信息和滤波器的频谱图像信息光电转换后输出至所述处理器中进行点乘运算，得到特征提取后的频谱图像信息。优选的，所述显示模组采用时分复用方式将待特征提取的数字信号和其对应的滤波器的数字信号分别转换并显示为待特征提取的空域图像信息和滤波器的空域图像信息。优选的，所述显示模组、光学傅里叶变换装置和光探测器分别为两套，一套用于处理待特征提取的信息数据，另一套用于处理滤波器的信息数据。优选的，所述处理器还用于将所述特征提取后的频谱图像信息进行傅里叶逆变换得到特征提取后的数字信号。优选的，所述显示模组包括光纤扫描显示模组、OLED显示模组、LCD显示模组、LCoS显示模组和DLP显示模组中的一种。优选的，所述光探测器包括CCD探测器、光电二极管、光子型探测器、光电倍增管中的一种。优选的，所述光学傅里叶变换装置为傅里叶变换透镜。相应的，本专利技术还提供了一种应用于深度学习的特征提取系统，包括：显示模组、光学傅里叶变换装置、光探测器和处理器，所述处理器中存储有频谱图像信息形式的滤波器，其中：所述显示模组用于将待特征提取的数字信号转换为待特征提取的空域图像信息；所述光学傅里叶变换装置用于将所述待特征提取的空域图像信息转换为待特征提取的频谱图像信息；所述光探测器用于将所述待特征提取的频谱图像信息光电转换后输出至所述处理器；所述处理器用于调用与所述待特征提取的频谱图像信息对应的滤波器，并将所述待特征提取的频谱图像信息与滤波器的频谱图像信息进行点乘运算，得到特征提取后的频谱图像信息。优选的，所述处理器还用于将所述特征提取后的频谱图像信息进行傅里叶逆变换得到特征提取后的数字信号。优选的，所述显示模组包括光纤扫描显示模组、OLED显示模组、LCD显示模组、LCoS显示模组和DLP显示模组中的一种；优选的，所述光探测器包括CCD探测器、光电二极管、光子型探测器、光电倍增管中的一种。与现有技术相比，本专利技术具有如下有益效果：本专利技术在现有技术深度学习的基础上，先将特征提取数字信号和滤波器信号用显示技术变成空域信号，然后再用光学傅里叶变换装置将空域信号变成频谱信号，然后频域点乘实现特征提取，本专利技术可有效减小深度学习计算量，且部分运算转换为光计算后，这部分计算速度即变为光学，计算时间大幅缩小。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图：图1是本专利技术实施例中的一种应用于深度学习的特征提取方法；图2是对图1得到的结果进行傅里叶逆变换的实施例示意图；图3是本专利技术实施例应用于深度学习的特征提取系统的一种结构示意图；图4是本专利技术实施例应用于深度学习的特征提取系统的另一结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。现有深度学习的所有运算都是在计算机中通过运行程序所完成，即运算是全软件运算，本专利技术在现有技术深度学习的基础上，提出将计算机运算中的某些运算通过本专利技术方案转换为光计算，实现提升深度学习计算效率。下面结合附图对本专利技术实施例进行详细介绍。参见图1，为本专利技术实施例中的一种应用于深度学习的特征提取方法，包括：S101:将待特征提取的数字信号和其对应的滤波器的数字信号分别通过显示技术转换为待特征提取的空域图像信息和滤波器的空域图像信息；本步骤中，显示技术可以为光纤扫描、激光MEMS扫描、OLED、LCD、LCoS、DLP等各种显示技术。S202:将所述待特征提取的空域图像信息和所述滤波器的空域图像信息分别通过光学傅里叶变换装置转换为待特征提取的频谱图像信息和滤波器的频谱图像信息；其中光学傅里叶变换装置可采用傅里叶变换透镜，或与傅里叶变换透镜具有相同功效的光学器件；空域图像信息照射在光学傅里叶变换装置的一端，光学傅里叶变换装置的另一端便会输出其对应的频谱图像信息；S203:分别通过光探测器将所述待特本文档来自技高网...

【技术保护点】
1.一种应用于深度学习的特征提取方法，其特征在于，包括：将待特征提取的数字信号和其对应的滤波器的数字信号分别通过显示技术转换为待特征提取的空域图像信息和滤波器的空域图像信息；将所述待特征提取的空域图像信息和所述滤波器的空域图像信息分别通过光学傅里叶变换装置转换为待特征提取的频谱图像信息和滤波器的频谱图像信息，并分别通过光探测器将所述待特征提取的频谱图像信息和滤波器的频谱图像信息输出至处理器中进行点乘运算得到特征提取后的频谱图像信息。

【技术特征摘要】
1.一种应用于深度学习的特征提取方法，其特征在于，包括：将待特征提取的数字信号和其对应的滤波器的数字信号分别通过显示技术转换为待特征提取的空域图像信息和滤波器的空域图像信息；将所述待特征提取的空域图像信息和所述滤波器的空域图像信息分别通过光学傅里叶变换装置转换为待特征提取的频谱图像信息和滤波器的频谱图像信息，并分别通过光探测器将所述待特征提取的频谱图像信息和滤波器的频谱图像信息输出至处理器中进行点乘运算得到特征提取后的频谱图像信息。2.如权利要求1所述的特征提取方法，其特征在于，还包括：将所述特征提取后的频谱图像信息进行傅里叶逆变换得到特征提取后的数字信号。3.如权利要求1或2所述的特征提取方法，其特征在于：所述显示技术包括光纤扫描显示、OLED显示、LCD显示、LCoS显示和DLP显示中的一种。4.一种应用于深度学习的特征提取系统，其特征在于，包括：显示模组、光学傅里叶变换装置、光探测器和处理器，其中：所述显示模组用于将待特征提取的数字信号和其对应的滤波器的数字信号分别转换为待特征提取的空域图像信息和滤波器的空域图像信息；所述光学傅里叶变换装置用于将所述待特征提取的空域图像信息和所述滤波器的空域图像信息分别转换为待特征提取的频谱图像信息和滤波器的频谱图像信息；所述光探测器用于将所述待特征提取的频谱图像信息和滤波器的频谱图像信息光电转换后输出至所述处理器中进行点乘运算，得到特征提取后的频谱图像信息。5.如权利要求4所述的特征提取系统，其特征在于，所述显示模组采用时分复用方式将待特征提取的数字信号和其对应的滤波器的数字信号分别转换并显示为待特征提取的空域图像信息和滤波器的空域图像信息。6.如权利要求4所述的特征提取系统，其特征在于，所述显示模组、光学傅里叶变换装置和光探测器分别为两套，一套用于处理待特征...

【专利技术属性】
技术研发人员：周旭东，宋海涛，闫超，
申请(专利权)人：成都理想境界科技有限公司，
类型：发明
国别省市：四川,51