用于识别图像的计算系统和方法技术方案

公开了用于识别图像的计算系统和方法。所述计算系统包括：神经网络系统，被配置为获得输入图像，以输入图像作为人工神经网络(ANN)的输入样本驱动ANN来获得图像识别结果；以及量化系统，被配置为对ANN进行量化。

【技术实现步骤摘要】
用于识别图像的计算系统和方法本申请要求于2019年9月24日在韩国知识产权局提交的第10-2019-0117485号韩国专利申请和于2020年3月10日在韩国知识产权局提交的第10-2020-0029807号韩国专利申请的权益，所述韩国专利申请的公开通过引用整体包含于此。
专利技术构思涉及一种人工神经网络的量化方法和使用人工神经网络执行的操作方法，更具体地，涉及一种用于识别图像的计算系统和方法。
技术介绍
图像识别可通过人工神经网络来实现。人工神经网络可表示计算装置或由计算装置执行以生成人工神经元(或神经元模型)的互连集合的方法。人工神经元可通过对输入数据执行简单运算来生成输出数据，并且输出数据可被传送到另一人工神经元。作为人工神经网络的示例，深度神经网络或深度学习可具有多层结构。
技术实现思路
专利技术构思提供了一种用于识别图像的计算系统和方法。根据专利技术构思的一个方面，提供了一种计算系统，所述计算系统包括：神经网络系统，被配置为获得输入图像，以输入图像作为人工神经网络(ANN)的输入样本驱动ANN来获得本文档来自技高网...

【技术保护点】
1.一种用于识别图像的计算系统，包括：/n神经网络系统，被配置为获得输入图像，以输入图像作为人工神经网络的输入样本驱动人工神经网络来获得图像识别结果，其中，驱动人工神经网络的步骤包括：针对人工神经网络中的至少一个层的每个层，基于人工神经网络的所述层的输入样本、量化的参数和补偿偏置来生成人工神经网络的所述层的输出样本；以及/n量化系统，被配置为对人工神经网络进行量化，/n其中，量化系统还被配置为：针对人工神经网络中的所述至少一个层的每个层，对人工神经网络的所述层的参数进行量化以生成人工神经网络的所述层的量化的参数，基于人工神经网络的所述层的参数和量化的参数生成人工神经网络的所述层的参数的量化误差...

【技术特征摘要】
20190924 KR 10-2019-0117485;20200310 KR 10-2020-001.一种用于识别图像的计算系统，包括：
神经网络系统，被配置为获得输入图像，以输入图像作为人工神经网络的输入样本驱动人工神经网络来获得图像识别结果，其中，驱动人工神经网络的步骤包括：针对人工神经网络中的至少一个层的每个层，基于人工神经网络的所述层的输入样本、量化的参数和补偿偏置来生成人工神经网络的所述层的输出样本；以及
量化系统，被配置为对人工神经网络进行量化，
其中，量化系统还被配置为：针对人工神经网络中的所述至少一个层的每个层，对人工神经网络的所述层的参数进行量化以生成人工神经网络的所述层的量化的参数，基于人工神经网络的所述层的参数和量化的参数生成人工神经网络的所述层的参数的量化误差，基于人工神经网络的所述层的量化的参数和的参数的量化误差生成补偿偏置，并且将生成的量化的参数和补偿偏置发送到神经网络系统。


2.根据权利要求1所述的计算系统，其中，人工神经网络的第一层获得输入图像作为第一层的输入样本，人工神经网络的前一层的输出样本是人工神经网络的后一层的输入样本。


3.根据权利要求1所述的计算系统，其中，
量化系统还被配置为：在从神经网络系统接收到人工神经网络中的所述至少一个层的每个层的输入样本时，对输入样本进行量化并且将量化的输入样本发送到神经网络系统，并且
其中，神经网络系统还被配置为：在接收到人工神经网络中的所述至少一个层的每个层的量化的输入样本时，基于量化的输入样本和量化的参数执行第一乘积累加运算，并且将补偿偏置反映到第一乘积累加运算的结果以生成人工神经网络的所述至少一个层的每个层的输出样本。


4.根据权利要求1至权利要求3中的任意一项所述的计算系统，其中，人工神经网络的参数包括人工神经网络的权重和偏置，
其中，量化的参数包括量化的权重和量化的偏置，并且
其中，参数的量化误差包括权重的量化误差和偏置的量化误差。


5.根据权利要求4所述的计算系统，其中，量化系统还被配置为：识别参考样本以生成补偿偏置，对参考样本进行量化以生成量化的参考样本，基于参考样本和量化的参考样本生成参考样本的量化误差，并且基于参考样本、量化的参考样本、参考样本的量化误差、量化的参数和人工神经网络的参数的量化误差中的至少一个生成补偿偏置。


6.根据权利要求5所述的计算系统，其中，量化系统还被配置为：基于参考样本和权重的量化误差执行第二乘积累加运算，基于参考样本的量化误差和量化的权重执行第三乘积累加运算，并且基于第二乘积累加运算的结果和第三乘积累加运算的结果生成补偿偏置。


7.根据权利要求6所述的计算系统，其中，量化系统还被配置为：对第二乘积累加运算的结果、第三乘积累加运算的结果以及人工神经网络的偏置求和以生成补偿偏置。


8.根据权利要求7所述的计算系统，其中，量化系统还被配置为：计算第二乘积累加运算的结果、第三乘积累加运算的结果以及人工神经网络的偏置的平均值，并且生成具有作为标量值的计算的平均值的补偿偏置。


9.根据权利要求5所述的计算系统，其中，量化系统还被配置为：基于量化的参考样本和权重的量化误差执行第四乘积累加运算，基于参考样本的量化误差和人工神经网络的权重执行第五乘积累加运算，并且基于第四乘积累加运算的结果和第五乘积累加运算的结果生成补偿偏置。


10.根据权利要求5所述的计算系统，其中，神经网络系统还被配置为：从样本池选择至少一个第一样本，并将所述至少一个第一样本发送到量化系统，以及
其中...

【专利技术属性】
技术研发人员：朴柱熙，金冏荣，河相赫，
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