[发明专利]一种卷积神经网络的快速卷积计算方法、设备及存储介质

权利要求书

1.一种对数域内进行的快速卷积计算方法，其特征在于，包括步骤如下：

(1)先确定所需处理的图像的特征大小M*N以及卷积核大小n*n，记图像中像素的亮度值为a_ij，a_ij∈[1,255]，1≤i≤M，1≤j≤N；卷积核中神经元的权重为b_kl，1≤k≤n,1≤l≤n，根据对数运算性质，对于所有实数A和B，logA+logB＝logA*B，得到：a_ij*b_kl＝log^-1(loga_ij+logb_kl)；

(2)设步长为α，根据图像的特征大小M*N，建立(M-n)/α*(N-n)/α大小的存储图像特征的空平面，即对于所有1≤p≤(M-n)/α,1≤q≤(N-n)/α,d_pq＝0；

(3)根据卷积核大小n*n，建立n*n大小的空平面；

(4)将卷积核与特征图像中的元变换到对数域中，即从整数到对数；将对应元做相加处理，将相加结果转换到整数域，即从对数到整数；

(5)将所得结果读入空平面中；求取卷积的特征图。

2.根据权利要求1所述的一种对数域内进行的快速卷积计算方法，其特征在于，步骤(4)的具体实施方法包括：

将卷积核覆盖在图像的左上角处的状态记为初始状态，图像的左上角处图像的左上角处即卷积核(1，1)位置与图像特征图(1，1)位置重合，对于所有1≤r≤n，1≤s≤n，c_rs＝0，开始进行卷积运算，运算方法如下：

判断b₁₁数值情况，

若b₁₁0，则进一步判断此时图像中的对应像素值a_ij的数值情况，若a_ij＝0，将0赋值给c₁₁；若a_ij0，计算loga_ij+logb₁₁，并取反函数log^-1，将结果赋值给c₁₁；

若b₁₁＝0，将0赋值给c₁₁；

若b₁₁＜0，则进一步判断此时图像中的对应像素值a_ij的数值状态，若a_ij＝0，将0赋值给c₁₁；若a_ij0，计算loga_ij+log-b₁₁，并取反函数log^-1，将结果取负值，并赋值给c₁₁。

3.根据权利要求2所述的一种对数域内进行的快速卷积计算方法，其特征在于，步骤(5)的具体实施方法包括：

1)依次判断卷积核中每个元b_kl的数值情况并依照(4)-(5)中步骤给n*n大小的空平面中剩余元赋值，直到把n*n个元全部赋值完成；具体是指：完成一组计算后，向右平移一格，当到达最右边后，接下来平移至下一行最左边，直到遍历完所有元；每平移一格，依照(4)-(5)中步骤给n*n空平面中对应位置c_rs赋值；

2)计算并将结果赋值给d_pq，1≤p≤(M-n)/α,1≤q≤(N-n)/α；

3)将卷积核在图像上平移α个单位，重复步骤1)至步骤2)，计算d_p(q+1)的值；具体是指：完成一组计算后，卷积核在图像上向右滑动α步；当卷积核滑动到图像最右边后，接下来平移至下一行最左边；直到滑动至与图像右下角重合；

4)重复步骤3)，至赋值给d_{[(M-n)/α][(N-n)/α]}终止，此时(M-n)/α*(N-n)/α平面为经过一次卷积的特征图。

4.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-3任一所述的对数域内进行的快速卷积计算方法的步骤。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-3任一所述的对数域内进行的快速卷积计算方法的步骤。