【技术实现步骤摘要】
对象识别方法及设备本申请要求于2018年2月14日提交到韩国知识产权局的第10-2018-0018818号韩国专利申请、于2018年3月19日提交到韩国知识产权局的第10-2018-0031511号韩国专利申请以及于2018年8月13日提交到韩国知识产权局的第10-2018-0094311号韩国专利申请的权益,所述韩国专利申请的全部公开出于所有目的通过引用包含于此。
下面的描述涉及一种对象识别方法和对象识别设备。
技术介绍
例如,识别的技术自动化已经通过作为专用计算架构的处理器实现的神经网络模型而被实现,其中,在大量训练之后,处理器实现的神经网络模型可在输入模式与输出模式之间提供计算上直观的映射。生成这样的映射的训练能力可被称为神经网络的学习能力。此外,由于专门训练,因此这样专门训练的神经网络可具有针对输入模式生成相对准确的输出的概括能力,其中,例如,神经网络可能尚未针对所述输入模式被训练。这样,神经网络模型可应用于对象识别。
技术实现思路
以简化的形式提供本
技术实现思路
来介绍构思的选择,其中,在下面具体实施方式中进一步描述所述构思的选择。本
技术实现思路
不意图标识要求保护的主题的关键特征或必要特征,也不意图用于帮助确定要求保护的主题的范围。在一个总体方面,一种使用神经网络的处理方法包括:通过执行神经网络的当前层的输入图与当前层的权重内核之间的卷积运算,生成当前层的输出图;基于神经网络中正在处理的激活数据的至少一部分的分布,确定当前层的输出图的轻量级格式;基于确定的轻量级格式,将与当前层的输出图对应的激活数据轻量化为具有低位宽。确定轻量级格式的步骤可包括:基于当 ...
【技术保护点】
1.一种对象识别方法,包括:通过执行神经网络的当前层的输入图与当前层的权重内核之间的卷积运算,生成当前层的输出图;基于神经网络中正在处理的激活数据的至少一部分的分布,确定当前层的输出图的轻量级格式;基于确定的轻量级格式,将与当前层的输出图对应的激活数据轻量化为具有低位宽。
【技术特征摘要】
2018.02.14 KR 10-2018-0018818;2018.03.19 KR 10-2011.一种对象识别方法,包括:通过执行神经网络的当前层的输入图与当前层的权重内核之间的卷积运算,生成当前层的输出图;基于神经网络中正在处理的激活数据的至少一部分的分布,确定当前层的输出图的轻量级格式;基于确定的轻量级格式,将与当前层的输出图对应的激活数据轻量化为具有低位宽。2.根据权利要求1所述的对象识别方法,其中,确定轻量级格式的步骤包括:基于当前层的输出图的最大值,确定轻量级格式。3.根据权利要求1所述的对象识别方法,其中,轻量化的步骤包括:基于确定的轻量级格式,将神经网络的与当前层的输出图对应的后续层的输入图轻量化为具有低位宽。4.根据权利要求1所述的对象识别方法,其中,轻量化的步骤包括:通过使用与确定的轻量级格式对应的值对神经网络的与当前层的输出图对应的后续层的输入图执行移位操作,来将后续层的输入图轻量化为具有低位宽。5.根据权利要求1所述的对象识别方法,还包括:从存储器加载当前层的输出图;基于加载的当前层的输出图,更新被配置为存储当前层的输出图的最大值的寄存器,其中,基于存储在寄存器中的值来执行确定轻量级格式的步骤。6.根据权利要求1所述的对象识别方法,其中,确定轻量级格式的步骤包括:基于神经网络的前一层的输出图的最大值,预测当前层的输出图的最大值;基于预测的当前层的输出图的最大值,确定当前层的输出图的轻量级格式。7.根据权利要求1所述的对象识别方法,其中,轻量化的步骤包括:通过使用与确定的轻量级格式对应的值对当前层的输出图执行移位操作,来将具有高位宽的当前层的输出图轻量化为具有低位宽。8.根据权利要求1所述的对象识别方法,还包括:基于通过卷积运算生成的当前层的输出图,更新被配置为存储当前层的输出图的最大值的寄存器,其中,基于存储在寄存器中的值,预测神经网络的后续层的输出图的最大值。9.根据权利要求1所述的对象识别方法,还包括:通过参考包括针对每个层和输出通道的权重内核的数据库,获得与当前层中当前正在处理的第一输出通道对应的第一权重内核,其中,生成当前层的输出图的步骤包括:通过执行当前层的输入图与第一权重内核之间的卷积运算,生成与第一输出通道对应的第一输出图。10.根据权利要求9所述的对象识别方法,其中,第一权重内核独立于与当前层的第二输出通道对应的第二权重内核而被确定。11.根据权利要求1所述的对象识别方法,其中,当前层的输入图和当前层的权重内核具有低位宽,当前层的输出图具有高位宽。12.一种存储指令的非暂时性计算机可读存储介质,其中,当所述指令由处理器执行时,使得处理器执行权利要求1所述的对象识别方法。13.一种对象识别设备,包括:处理器;存储器,包括能够由处理器读取的指令,其中,当所述指令由处理器执行时,处理器被配置为:通过执行神经网络的当前层的输入图与当前层...
【专利技术属性】
技术研发人员:孙昌用,孙辰雨,郑相一,崔昌圭,韩在濬,
申请(专利权)人:三星电子株式会社,
类型:发明
国别省市:韩国,KR
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。