[发明专利]一种基于像素的卷积神经网络建立装置及方法有效
| 申请号： | 201811066203.5 | 申请日： | 2018-09-13 |
| 公开（公告）号： | CN109214506B | 公开（公告）日： | 2022-04-15 |
| 发明（设计）人： | 杨志明;杨超;陈巍巍 | 申请（专利权）人： | 深思考人工智能机器人科技（北京）有限公司;深思考人工智能科技（上海）有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/063 |
| 代理公司： | 北京德琦知识产权代理有限公司 11018 | 代理人： | 牛峥;王丽琴 |
| 地址： | 100085 北京市海淀区信息*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于像素的卷积神经网络建立装置及方法，根据特征图的数据量，在FPGA上设置了2～64个相同的卷积计算模块，分别处理不同的输出通道；在每个卷积计算模块中，将特征图的9个像素输入到设置的卷积运算单元中；对于每个像素，由设置的卷积运算单元根据该像素对应权值进行卷积运算，得到该像素的卷积值；然后对特征图的9个像素的卷积值进行像素累加；再将像素累加后的卷积值进行输入通道累加；最终得到经过了CNN运算的特征图，输出。这样，就采用FPGA简单实现了CNN的特征图的卷积神经运算。 | ||
| 搜索关键词： | 一种 基于 像素 卷积 神经网络 建立 装置 方法 | ||
【主权项】：
1.一种卷积神经网络的建立装置，其特征在于，在现场可编程门阵列FPGA设置2～64个卷积计算模块，分别处理不同的输出通道；在每个卷积计算模块中包括：特征图输入缓存单元、特征图加载单元、特征图重排序单元、卷积运算单元、权值缓存单元及权值加载单元、输入通道累加单元及特征图输出缓存单元；其中，特征图输入缓存单元，用于缓存特征图，将特征图的9个像素并行发送给特征图加载单元；特征图加载单元，用于并行接收特征图中的9个像素并寄存；特征图重排序单元，用于从特征图加载单元中接收特征图中的9个像素，并按照卷积计算所采用的像素顺序进行重排序；权值缓存单元，用于缓存9个像素对应的权值，并行发送给权值加载单元；权值加载单元，用于并行接收对应9个像素的权值并寄存；卷积运算单元，用于根据从特征图重排序单元提取的重排序的9个像素，及从权值加载单元接收对应于9个像素的权值，并行进行9个像素的卷积累加运算，得到像素累加后的卷积值，输出到输入通道累加单元；输入通道累加单元，用于对卷积运算单元输出的像素累加后的卷积值进行输入通道累加，最终得到经过卷积神经运算的特征图；特征图输出缓存单元，用于接收经过卷积神经运算的特征图，并进行缓存。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深思考人工智能机器人科技（北京）有限公司;深思考人工智能科技（上海）有限公司，未经深思考人工智能机器人科技（北京）有限公司;深思考人工智能科技（上海）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811066203.5/，转载请声明来源钻瓜专利网。
- 上一篇：一种密集连接卷积神经网络的全卷积目标检测方法
- 下一篇：信号处理的系统和方法
