一种基于查找表的快速图像卷积运算实现方法技术

为克服目前图像卷积运算乘法运算量大所带来的弊端，本发明专利技术提供了一种基于查找表的快速图像卷积实现方法，能够在不使用乘法运算的前提下完成图像卷积运算，极大地降低了图像卷积算法的运算量。本发明专利技术在软件上将训练好的卷积核中的权重值与图像的像素值取值范围(0～255内的整数)进行相乘运算，并将乘法运算结果存入硬件的存储区中，形成若干个可按地址进行读取的查找表结构；当输入一幅待检测的图像时，依次选取待卷积的图像区域，以待卷积的图像区域内的像素值为地址，在查找表中并行找到相应的乘法运算结果，并将所有的乘法运算结果进行加法运算，从而得到特征映射矩阵中某一点的数值。大大降低了卷积神经网络中卷积运算的运算量。

【技术实现步骤摘要】
一种基于查找表的快速图像卷积运算实现方法
本专利技术属于人工智能和机器学习领域，涉及一种基于查找表的快速图像卷积实现方法。
技术介绍
图像卷积运算是在卷积神经网络中普遍使用的一种运算，它能够进行图像特征的提取，进而使卷积神经网络能够根据所提取的特征实现对事物的分类、识别、预测或决策等功能。图像卷积运算实际上是用一个卷积核(例如3*3矩阵的卷积核)从左到右、从上到下在图像矩阵上滑动(滑动的步长由设计者设定)，直到遍历整个图像矩阵。把卷积核中的权重值与原始图像中的像素值相乘，相乘之后的再相加求和，计算所得的结果即为特征映射矩阵中的一个元素值。假设输入图像大小为k×k，图像中的每个元素值用x(a,b)来表示，其中0≤a≤k-1，0≤b≤k-1，a和b用于表示某一像素点在输入图像矩阵中的位置。对于一张彩色图片来说，RGB分量通常用8位表示，像素取值范围为0～255范围内的整数，即0≤x(a,b)≤255，且x(a,b)为整数。假设对图片进行卷积运算的单卷积核大小为m×n，且n<<k，m<<k。卷积核中的权重值用w(c,d)来表示，其中0本文档来自技高网...

【技术保护点】
1.一种基于查找表的快速图像卷积运算实现方法，其特征在于：以查找表方式取代图像卷积运算中的乘法运算，其中，单个m×n的卷积核对RGB三通道的彩色图像中任一单通道进行单次卷积运算的过程包括以下步骤：步骤1，提取已训练好的卷积神经网络中的任一层中一个大小为m×n的卷积核的权重值w(c,d)；0≤c≤m‑1，0≤d≤n‑1；步骤2，将权重值w(c,d)分别依次与0～255范围内的整数进行乘法运算，并将乘法运算结果存放在m×n个查找表中，所述的每一个查找表为256×1矩阵，每个权重值对应一个查找表；步骤3，对k×k的输入图像进行区域选取，首次选取输入图像的左上角m×n大小的区域作为第一个待卷积区域，以...

【技术特征摘要】
1.一种基于查找表的快速图像卷积运算实现方法，其特征在于：以查找表方式取代图像卷积运算中的乘法运算，其中，单个m×n的卷积核对RGB三通道的彩色图像中任一单通道进行单次卷积运算的过程包括以下步骤：步骤1，提取已训练好的卷积神经网络中的任一层中一个大小为m×n的卷积核的权重值w(c,d)；0≤c≤m-1，0≤d≤n-1；步骤2，将权重值w(c,d)分别依次与0～255范围内的整数进行乘法运算，并将乘法运算结果存放在m×n个查找表中，所述的每一个查找表为256×1矩阵，每个权重值对应一个查找表；步骤3，对k×k的输入图像进行区域选取，首次选取输入图像的左上角m×n大小的区域作为第一个待卷积区域，以第一个待卷积区域的图像像素值逐行、逐个作为索引地址；步骤4，以步骤3的索引地址分别从所述m×n个查找表中查找相应的乘法结果；步骤5，将步骤4查找出的乘法结果进行加法运算，得到特征映射中的第一个值yR1；步骤6，对k×k的输入图像进行区域选取，采取循环移位的方式确定m×n大小的区域作为第二个待卷积区域，以第二个待卷积区域的图像像素值逐行、逐个作为索引地址；步骤7，以步骤6的索引地址分别从所述的m×n个查找表中查找相应的乘法结果；步骤8，将步骤7查找出的乘法结果进行加法运算，得到特征映射中的第二个值yR2；以此类推；步骤9，对k×k的输入图像进行区域选取，采取循环移位的方式确定m×n大小的区域作为第k-n+1个待卷积区域，以第k-n+1个待卷积区域的图像像素值逐行、逐个作为索引地址；步骤10，以步骤9的索引地址分别从所述m×n个查找表中查找相应的乘法结果；步骤11，将步骤10查找出的乘法结果进行加法运算，得到特...

【专利技术属性】
技术研发人员：毛智礼，杜慧敏，张霞，张丽果，常立博，
申请(专利权)人：西安邮电大学，
类型：发明
国别省市：陕西,61