一种卷积神经网络运算系统技术方案

本发明专利技术的一种卷积神经网络运算系统，包括特征分裂模块用来提取输入特征中有代表性的主要特征，把输入特征自适应的拆分成主要特征部分和辅助特征部分；主要特征运算模块是按照正常的卷积操作来运算主要特征部分；辅助特征运算模块是用于快速运算；特征融合模块用于合并主要特征运算模块的输出特征图和辅助特征运算模块的输出特征图，生成一个统一的输出特征图；本发明专利技术采用特征分裂的思想，把输入特征图拆分成主要特征部分和辅助特征部分，主要算力用于主要特别运算，少量算力用于辅助特征运算，在不显著增加卷积运算参数量的情况下，卷积运算速度更快。积运算速度更快。积运算速度更快。

【技术实现步骤摘要】
一种卷积神经网络运算系统


[0001]本专利技术涉及人工智能
，具体涉及一种卷积神经网络运算系统。

技术介绍

[0002]近年来，人工智能技术迎来了飞速发展，越来越多的应用领域开始使用人工智能技术，而卷积神经网络凭借着局部连接和权值共享的优势，成为了人工智能的核心技术，卷积神经网络运算效率直接决定了整个人工智能技术的应用。随着物联网技术迅猛发展，将人工智能技术融入到物联网技术中成为了未来的发展趋势，但是，物联网技术所必须的硬件平台一般都是算力较低的的嵌入式边缘设备，人工智能技术无法在这些设备上得到满意的效果，主要体现在：无法运行较大的深度神经网络模型、无法实时获取深度神经网络模型的输出结果。这严重制约了物联网技术的发展，解决目前困境一般有两种途径：
[0003]途径一：采用更大算力的嵌入式边缘设备，该途径的缺点是很明显的增加了硬件成本。
[0004]途径二：优化卷积神经网络，采用更加高效的卷积神经网络运算系统。该途径的缺点是需要设计更加合理的卷积神经网络。
[0005]通过对多个应用场景的卷积神经网络的输出特征图进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种卷积神经网络运算系统，其特征在于：包括以下模块：特征分裂模块、主要特征运算模块、辅助特征运算模块、特征融合模块；所述特征分裂模块用来提取输入特征中有代表性的主要特征，把输入特征自适应的拆分成主要特征部分和辅助特征部分；所述主要特征运算模块是按照正常的卷积操作来运算主要特征部分；所述辅助特征运算模块是用于快速运算；所述特征融合模块用于合并主要特征运算模块的输出特征图和辅助特征运算模块的输出特征图，生成一个统一的输出特征图；其中，所述特征分裂模块包括cgap_split是一个基于特征图通道维度的全局均值池化层，其输出特征图尺寸是1x1xC，C表示输入特征图的通道数目；fc_split是一个全连接层，其输出特征图尺寸是1x1x1，表示输入特征图在通道维度上的分裂比例α；sigmod_split是sigmod类型的激活函数，其作用是归一化分裂比例α到[0,1]范围内；split层表示分裂操作层，是按照sigmod_split层输出的分裂比例α，把前αC个通道特征作为主要特征primary，剩余的(1-α)C个通道特征作为辅助特征；primary层表示输出的主要特征，auxiliary层表示输出的辅助特征。2.根据权利要求1所述的卷积神经网络运算系统，其特征在于：所述主要特征运算...

【专利技术属性】
技术研发人员：张卡，何佳，戴亮亮，尼秀明，
申请(专利权)人：安徽清新互联信息科技有限公司，
类型：发明
国别省市：