[发明专利]用于分析卷积神经网络中的图像的方法和系统

权利要求书

1.一种用于分析卷积神经网络中的图像的系统，所述系统包括：

输入，其用于接收表示待分析的图像的输入特征；

傅里叶变换FT模块，每一FT模块用于对所述图像的每一输入特征执行二维FT；

用于每一输入特征的一个实时傅里叶变换OTF-FT模块，每一OTF-FT模块用于对训练图像特征的加权核心系数执行傅里叶变换；

复数乘法模块，其用于对每一FT和每一OTF-FT的输出执行复数乘法；

复数加法模块，其用于对所述复数乘法模块中的每一个的每一输出执行复数加法；和

二维反傅里叶变换2D-IFT，其用于对所述复数加法的输出执行二维反傅里叶变换。

2.根据权利要求1所述的系统，其另外包括用于减小所述FT模块中的每一个所产生的系数的数目的精简模块。

3.根据权利要求2所述的系统，其另外包括用于扩展所述复数加法模块所产生的所述系数以对应于所述精简模块减小的系数的数目的扩展模块。

4.根据权利要求1所述的系统，其中所述图像的每一特征是所述图像的色彩平面。

5.根据权利要求1所述的系统，其中所述OTF-FT模块中的每一个包括：

用于执行一维水平直接傅里叶变换1D-HDFT的模块；和

用于对所述1D-HDFT的结果执行一维垂直直接傅里叶变换ID-VDFT的模块。

6.根据权利要求1所述的系统，其中所述OTF-FT包括：

用于对核心中的所述系数的一半执行一维水平直接傅里叶变换1D-HDFT的模块；

用于将所述1D-HDFT的结果拆分成实分量和虚分量的模块；

用于对所述实分量执行一维垂直直接傅里叶变换ID-VDFT的模块；

用于对所述虚分量执行一维垂直直接傅里叶变换ID-VDFT的模块；和

用于合并所述实分量和所述虚分量的模块。

7.根据权利要求6所述的系统，其另外包括用于扩展所述合并的结果以产生在大小上与所述核心相等的阵列的模块。

8.根据权利要求1所述的系统，其中所述乘法模块用于执行逐点乘法。

9.根据权利要求1所述的系统，其另外包括用于精简所述FT的所述结果的模块。

10.一种用于分析卷积神经网络中的图像以产生输出特征的方法，所述方法包括：

接收表示待分析的图像的输入特征；

对所述输入特征中的每一个执行傅里叶变换FT；

接收核心，其各自具有训练特征的加权核心系数；

对每一核心的加权核心系数执行一个实时傅里叶变换OTF-FT；

使每一FT和每一OTF-FT的输出相乘以产生乘积；

使所述乘积中的每一个相加以产生每一输出特征的一个和；和

对每一和执行二维反傅里叶变换2D-IFT以产生每一输出。

11.根据权利要求10所述的方法，其中所述输入特征是所述图像的色彩平面。

12.根据权利要求10所述的方法，其另外包括精简所述FT的结果并且扩展所述相加的结果。

13.根据权利要求10所述的方法，其中执行所述OTF-FT包括：

执行一维水平直接傅里叶变换1D-HDFT；和

对所述1D-HDFT的结果执行一维垂直直接傅里叶变换ID-VDFT。