[发明专利]卷积神经网络系统及其操作方法

权利要求书

1.一种操作卷积神经网络系统的方法，所述方法包括：

执行用于确定至少一个内核与输入特征图之间的相关性的卷积环；

确定输入特征图上的最大位置，其中，所述最大位置与基于卷积环产生的输出特征的最大值对应；

通过使用所述至少一个内核的卷积环来处理输入特征图的第一区域的第一数据，其中，第一区域与所述最大位置相关联，

其中，处理第一数据的步骤包括：跳过输入特征图的第二区域的第二数据的卷积操作，第二区域与所述最大位置无关。

2.如权利要求1所述的方法，其中，确定最大位置的步骤包括：响应于在输入特征图上的一个位置连续地检测到最大值至少参考次数，将所述一个位置确定为所述最大位置。

3.如权利要求1所述的方法，其中，确定最大位置的步骤包括：响应于在输入特征图上的一个位置连续地检测到最大值的次数大于最大卷积深度和参考比率的乘积，将所述一个位置确定为所述最大位置。

4.如权利要求1所述的方法，其中，执行卷积环的步骤包括：以最大卷积深度的特定范围的深度间隔执行卷积环。

5.如权利要求1所述的方法，其中，在所述卷积神经网络系统的训练操作期间以概率信息的形式存储所述最大位置。

6.如权利要求1所述的方法，其中，确定最大位置的步骤包括：在输入特征图上设置位置，其中，所述位置与由用户输入的最大值对应。

7.如权利要求1所述的方法，还包括：将偏差选择性地应用于根据处理第一数据的卷积环的执行而产生的输出特征值。

8.如权利要求7所述的方法，其中，选择性地应用偏差的步骤包括：将所述偏差应用于与所述最大位置对应的第一输出特征值，不将所述偏差应用于与所述最大位置不相关的第二输出特征值。

9.如权利要求1所述的方法，还包括：

在处理第一数据的步骤之后，执行用于减少将被输出的输出特征图的大小的池化操作。

10.如权利要求9所述的方法，其中，池化操作包括：将来自输出特征图的特征之中的与所述最大位置对应的特征发送到输出缓冲器。

11.如权利要求10所述的方法，其中，跳过在最大池化操作中选择的特征之间的比较操作。

12.一种卷积神经网络系统，包括：

输入缓冲器，被配置为：缓冲输入图像和输入特征图中的至少一个；

处理元件单元，被配置：使用来自输入缓冲器的输入图像和输入特征图中的所述至少一个以及至少一个内核，来执行卷积操作；

输出缓冲器，被配置为：存储作为由处理元件单元执行的卷积操作的结果输出的输出特征；

控制器，被配置为：控制输入缓冲器、处理元件单元和输出缓冲器执行用于处理输入图像和输入特征图中的所述至少一个的卷积环，并检测与基于卷积环产生的输出特征的最大值对应的最大位置；

最大位置缓冲器，被配置为：存储所述最大位置；

其中，控制器还被配置为：在检测到所述最大位置之后执行的卷积环中，对基于所述最大位置选择的第一数据执行卷积操作，

其中，对基于所述最大位置而未选择的第二数据跳过卷积操作。

13.如权利要求12所述的卷积神经网络系统，其中，控制器还被配置为：响应于在输入图像和输入特征图中的所述至少一个上的一个位置连续地检测到最大值至少参考次数，将所述一个位置确定为所述最大位置，并将所述最大位置存储在最大位置缓冲器中。