[发明专利]卷积神经网络的池化运算方法及装置

权利要求书

1.一种卷积神经网络的池化运算方法，其特征在于，包括：

对多个图像数据进行求和运算，得到求和结果；

对所述求和结果进行移位运算，得到移位结果；

根据所述图像数据的数量以及所述移位运算中移位的位数，确定加权因子；

根据所述加权因子，对所述移位结果进行加权运算，得到池化结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述加权因子，对所述移位结果进行加权运算包括：

计算加权因子与所述移位结果的乘积；

将所述乘积作为所述池化结果。

3.根据权利要求1所述的方法，其特征在于，所述加权因子与所述移位运算中移位的位数呈正比，所述加权因子与所述图像数据的数量呈反比。

4.根据权利要求1所述的方法，其特征在于，所述根据所述图像数据的数量以及所述移位运算中移位的位数，确定加权因子包括:

根据所述图像数据的数量、所述移位运算中移位的位数以及滤波器系数，确定所述加权因子；

其中，所述滤波器系数为下一层卷积层的滤波器的系数。

5.根据权利要求4所述的方法，其特征在于，所述加权因子与所述滤波器系数呈正比。

6.根据权利要求1至5中任一项所述的方法，其特征在于，对多个图像数据进行求和运算，得到求和结果之前，所述方法还包括：

获取待处理图像；

将所述待处理图像转化为尺寸不同的至少一个子图像；

从至少一个子图像中读取的所述图像数据。

7.一种卷积神经网络的池化运算装置，其特征在于，包括：

第一运算单元，用于对多个图像数据进行求和运算，得到求和结果；

第二运算单元，用于对所述求和结果进行移位运算，得到移位结果；

处理单元，用于根据所述图像数据的数量以及所述移位运算中移位的位数，确定加权因子；

第三运算单元，用于根据所述加权因子，对所述移位结果进行加权运算，得到池化结果。

8.根据权利要求7所述的装置，其特征在于，所述处理单元，用于根据所述图像数据的数量、所述移位运算中移位的位数以及滤波器系数，确定所述加权因子；其中，所述滤波器系数为下一层卷积层的滤波器的系数。

9.根据权利要求7所述的装置，其特征在于，所述第三运算单元，用于执行以下步骤根据所述加权因子，对所述移位结果进行加权运算：

计算加权因子与所述移位结果的乘积；将所述乘积作为所述池化结果。

10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，所述程序执行权利要求1至6中任意一项所述的卷积神经网络的池化运算方法。