[发明专利]局部二值化CNN的处理方法、装置、存储介质及处理器

权利要求书

1.一种局部二值化CNN的处理方法，其特征在于，包括：

根据预设数据集训练第一卷积神经网络，得到第二卷积神经网络；

将所述第一卷积神经网络中的全部卷积层单元替换为局部二值化卷积单元，从而得到第三卷积神经网络；

将所述第三卷积神经网络中的目标全连接层替换为分组连接层，从而得到第四卷积神经网络，其中，所述目标全连接层为所述第三卷积神经网络中除底层分类层之外的其余全连接层；

对所述第四卷积神经网络进行初始化处理，得到第五卷积神经网络；

基于所述第二卷积神经网络和所述预设数据集对所述第五卷积神经网络进行训练，得到目标卷积神经网络，其中，所述目标卷积神经网络为达到收敛状态的所述第五卷积神经网络。

2.根据权利要求1所述的方法，其特征在于，所述局部二值化卷积单元包括二值化卷积层、1x1分组卷积层，所述将所述第一卷积神经网络中的全部卷积层单元替换为局部二值化卷积单元，从而得到第三卷积神经网络包括：

设置所述局部二值化卷积单元中的所述1x1分组卷积层的第一分组数；

将所述二值化卷积层的输出特征图依据所述第一分组数进行二维拓扑展开，得到第一目标分组；

将所述1x1分组卷积层的卷积核与所述第一目标分组的输出特征图进行连接，得到所述第三卷积神经网络。

3.根据权利要求1所述的方法，其特征在于，所述将所述第三卷积神经网络中的目标全连接层替换为分组连接层，从而得到第四卷积神经网络包括：

设置所述第三卷积神经网络中的所述分组连接层的第二分组数；

将所述分组连接层的输入神经元根据所述第二分组数进行二维拓扑展开，得到第二目标分组；

将所述分组连接层的输出神经元与所述第二目标分组的输入神经元进行连接，得到所述第四卷积神经网络。

4.根据权利要求1所述的方法，其特征在于，所述基于所述第二卷积神经网络和所述预设数据集对所述第五卷积神经网络进行训练，得到目标卷积神经网络包括：

将所述预设数据集中的训练标签所对应的图片输入至所述第二卷积神经网络中，从而得到所述第二卷积神经网络的输出值；

对所述输出值进行软化处理，得到软化后的所述输出值；

对所述软化后的所述输出值和所述训练标签进行加权求和计算，得到目标训练标签；

根据预设随机梯度下降法和所述目标训练标签对所述第五卷积神经网络进行训练，得到所述目标卷积神经网络。

5.一种局部二值化CNN的处理装置，其特征在于，包括：

第一训练单元，用于根据预设数据集训练第一卷积神经网络，得到第二卷积神经网络；

第一替换单元，用于将所述第一卷积神经网络中的全部卷积层单元替换为局部二值化卷积单元，从而得到第三卷积神经网络；

第二替换单元，用于将所述第三卷积神经网络中的目标全连接层替换为分组连接层，从而得到第四卷积神经网络，其中，所述目标全连接层为所述第三卷积神经网络中除底层分类层之外的其余全连接层；

处理单元，用于对所述第四卷积神经网络进行初始化处理，得到第五卷积神经网络；

第二训练单元，用于基于所述第二卷积神经网络和所述预设数据集对所述第五卷积神经网络进行训练，得到目标卷积神经网络，其中，所述目标卷积神经网络为达到收敛状态的所述第五卷积神经网络。

6.根据权利要求5所述的装置，其特征在于，所述局部二值化卷积单元包括二值化卷积层、1x1分组卷积层，所述第一替换单元包括：

第一设置子单元，用于设置所述局部二值化卷积单元中的所述1x1分组卷积层的第一分组数；

第一处理子单元，用于将所述二值化卷积层的输出特征图依据所述第一分组数进行二维拓扑展开，得到第一目标分组；

第二处理子单元，用于将所述1x1分组卷积层的卷积核与所述第一目标分组的输出特征图进行连接，得到所述第三卷积神经网络。

7.根据权利要求5所述的装置，其特征在于，所述第二替换单元包括：

第二设置子单元，用于设置所述第三卷积神经网络中的所述分组连接层的第二分组数；

第三处理子单元，用于将所述分组连接层的输入神经元根据所述第二分组数进行二维拓扑展开，得到第二目标分组；

第四处理子单元，用于将所述分组连接层的输出神经元与所述第二目标分组的输入神经元进行连接，得到所述第四卷积神经网络。