[发明专利]自适应窗口机制

说明书

描述了用于促进卷积神经网络(CNN)逻辑的训练的机制。如本文中所描述的实施例的方法包括使用自适应双向掩码(SABM)窗口结构和标准化灵敏度图对输入图像执行灵敏度扫描，其中SABM窗口结构基于输入图像；以及基于灵敏度扫描的结果训练卷积神经网络(CNN)逻辑。

技术领域

本公开大体涉及卷积神经网络。

背景技术

卷积神经网络(CNN)是一种前馈人工神经网络，其中神经元之间的连接模式受到动物视觉皮层组织的启发(例如，个体神经元以使得它们对使视野分块(tiling)的重叠区域作出相应的方式被布置。CNN目前在各种计算平台(例如，数据中心、移动设备等)中实现，以执行广泛范围的应用，包括图像和视频识别、自然语言处理和推荐系统等。CNN训练通常涉及设计和调整黑盒子目标。必须检测输入图像中当前CNN模型学习特征执行分类的区域。

附图说明

图1是根据实施例的处理系统的框图。

图2是处理器的实施例的框图，所述处理器具有一个或多个处理器核、集成存储器控制器以及集成图形处理器。

图3是图形处理器的框图，所述图形处理器可以是分立的图形处理单元，或可以是与多个处理核集成的图形处理器。

图4是根据一些实施例的图形处理器的图形处理引擎的框图。

图5是图形处理器的另一实施例的框图。

图6示出了线程执行逻辑，所述线程执行逻辑包括在图形处理引擎的一些实施例中采用的处理元件的阵列。

图7是示出根据一些实施例的图形处理器指令格式的框图。

图8是图形处理器的另一实施例的框图。

图9A是示出根据实施例的图形处理器命令格式的框图，以及图9B是示出根据实施例的图形处理器命令序列的框图。

图10示出了根据一些实施例的用于数据处理系统的示例性图形软件架构。

图11是示出了根据实施例的可用于制造集成电路以执行操作的IP核开发系统的框图。

图12是示出了根据实施例的可以使用一个或多个IP核来制造的示例性芯片上系统集成电路的框图。

图13是示出了根据实施例的可以使用一个或多个IP核来制造的芯片上系统集成电路的示例性图形处理器1310的框图。

图14是示出了根据实施例的可以使用一个或多个IP核来制造的芯片上系统集成电路的附加示例性图形处理器1410的框图。

图15示出了根据一个实施例的采用训练机制的计算设备。

图16A示出了输入图像的一个实施例；而图16B和16C示出了该图像的窗口的实施例。

图17A和17B示出了标准化灵敏度图的实施例。

图18A-18F示出了所述图像的窗口的其他实施例。

图19A-19C示出了所述图像的窗口的其他实施例。

图20A和20B示出了根据一个实施例的训练方法。

具体实施方式

在以下描述中，陈述了众多具体细节。然而，可在不具有这些特定细节的情况下实践如本文中所描述的诸实施例。在其他实例中，没有详细示出公知的电路、结构以及技术，以便不至于使对本描述的理解变得模糊。