【技术实现步骤摘要】
一种卷积神经网络中边缘填充和滤波器膨胀运算方法及系统
本专利技术实施例涉及计算机
，尤其涉及一种卷积神经网络中边缘填充和滤波器膨胀运算方法及系统。
技术介绍
近年来，卷积深度神经网络算法在图像识别、视频监控等领域得到广泛的应用，该算法可以在CPU上实现，也可以在GPU上实现,为了加速卷积深度神经网络算法的运算速度，目前也有很多专用的加速器实现。卷积深度神经网络有两个特殊的操作：输入边缘填充和滤波器膨胀。输入边缘填充运算是指为了控制输出矩阵的尺寸以及防止边缘信息的丢失，在运算之前，在输入数据矩阵的行、列两个维度的边缘扩展出来一行一列，或者多行多列，这些扩展的行列内容均填充0。滤波器膨胀运算是指为了让扩大滤波器的视野，在滤波器矩阵元素之间添补零扩大原滤波器尺寸的运算。这两种运算实质上是分别对输入矩阵和滤波器矩阵进行的填零运算。对于这两种运算在算法实现时有两种常用的实现方案，第一种方案是对输入矩阵和滤波器矩阵在卷积运算前进行预处理，将需要填的零提前填充好形成新的矩阵，然后在运算；而另一种方案是用原始矩阵，但是在计算的时候，通过在算法实现的程序中加入判断语句来判断当...
【技术保护点】
1.一种卷积神经网络中边缘填充和滤波器膨胀运算方法，其特征在于，包括：根据输入的数据块和滤波器数据块的控制信号，对边缘填充运算后的输入数据块和膨胀运算后的滤波器数据块中需要进行运算的输入数据向量和滤波器数据向量进行填零判定，获得数据控制信号；根据所述数据控制信号，对第一输入数据向量和第一滤波器数据向量进行填零运算，获得第二输入数据向量和第二滤波器数据向量；对所述第二输入数据向量和第二滤波器数据向量进行卷积神经网络的逻辑运算。
【技术特征摘要】
1.一种卷积神经网络中边缘填充和滤波器膨胀运算方法，其特征在于，包括：根据输入的数据块和滤波器数据块的控制信号，对边缘填充运算后的输入数据块和膨胀运算后的滤波器数据块中需要进行运算的输入数据向量和滤波器数据向量进行填零判定，获得数据控制信号；根据所述数据控制信号，对第一输入数据向量和第一滤波器数据向量进行填零运算，获得第二输入数据向量和第二滤波器数据向量；对所述第二输入数据向量和第二滤波器数据向量进行卷积神经网络的逻辑运算。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述输入数据块、滤波器数据块和所述逻辑运算的运算结果进行储存。3.根据权利要求1所述的方法，其特征在于，所述根据输入的数据块的控制信号，对边缘填充运算后的输入数据块和膨胀运算后的滤波器数据块中需要进行运算的输入数据向量和滤波器数据向量进行填零判定，获得数据控制信号的步骤之前，还包括：根据需要进行计算的输入数据向量与滤波器数据向量在进行边缘填充运算后的输入数据块与进行过膨胀运算后的滤波器数据块中的索引信号，计算获得需要进行计算的输入数据向量与滤波器数据向量在所述输入数据块和所述滤波器数据块中对应的索引信号；根据需要进行计算的输入数据向量与滤波器数据向量在所述输入数据块和所述滤波器数据块中对应的索引信号，从存储器中读取所述第一输入数据向量与第一滤波器数据向量。4.根据权利要求3所述的方法，其特征在于，所述根据输入的数据块和滤波器数据块的控制信号，对边缘填充运算后的输入数据块和膨胀运算后的滤波器数据块中需要进行运算的输入数据向量和滤波器数据向量进行填零判定，获得数据控制信号的步骤具体包括：根据输入数据块控制信号和需要进行计算的输入数据向量在进行边缘填充运算后的输入数据块中对应的索引信号，计算所述对边缘填充运算后的输入数据块的填零使能标志；根据滤波器数据块控制信号和需要进行计算的滤波器数据向量在所述进行过膨胀运算后的滤波器数据块中对应的索引信号，计算膨胀运算后的滤波器数据块的填零使能标志；对所述输入数据块的填零使能标志和所述滤波器数据块的填零使能标志进行或运算，获得数据控制信号。5.根据权利要求1所述的方法，其特征在...
【专利技术属性】
技术研发人员：刘大可，苗志东，杨兵强，
申请(专利权)人：海南大学，
类型：发明
国别省市：海南,46
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。