[发明专利]一种基于查找表的快速图像卷积运算实现方法

说明书

为克服目前图像卷积运算乘法运算量大所带来的弊端，本发明提供了一种基于查找表的快速图像卷积实现方法，能够在不使用乘法运算的前提下完成图像卷积运算，极大地降低了图像卷积算法的运算量。本发明在软件上将训练好的卷积核中的权重值与图像的像素值取值范围(0～255内的整数)进行相乘运算，并将乘法运算结果存入硬件的存储区中，形成若干个可按地址进行读取的查找表结构；当输入一幅待检测的图像时，依次选取待卷积的图像区域，以待卷积的图像区域内的像素值为地址，在查找表中并行找到相应的乘法运算结果，并将所有的乘法运算结果进行加法运算，从而得到特征映射矩阵中某一点的数值。大大降低了卷积神经网络中卷积运算的运算量。

技术领域

本发明属于人工智能和机器学习领域，涉及一种基于查找表的快速图像卷积实现方法。

背景技术

图像卷积运算是在卷积神经网络中普遍使用的一种运算，它能够进行图像特征的提取，进而使卷积神经网络能够根据所提取的特征实现对事物的分类、识别、预测或决策等功能。

图像卷积运算实际上是用一个卷积核(例如3*3矩阵的卷积核)从左到右、从上到下在图像矩阵上滑动(滑动的步长由设计者设定)，直到遍历整个图像矩阵。把卷积核中的权重值与原始图像中的像素值相乘，相乘之后的再相加求和，计算所得的结果即为特征映射矩阵中的一个元素值。

假设输入图像大小为k×k，图像中的每个元素值用x(a,b)来表示，其中0≤a≤k-1，0≤b≤k-1，a和b用于表示某一像素点在输入图像矩阵中的位置。对于一张彩色图片来说，RGB分量通常用8位表示，像素取值范围为0～255范围内的整数，即0≤x(a,b)≤255，且x(a,b)为整数。

假设对图片进行卷积运算的单卷积核大小为m×n，且n<<k，m<<k。卷积核中的权重值用w(c,d)来表示，其中0≤c≤m-1，0≤d≤n-1，c和d用于表示某一权重值在卷积核中的位置。

单卷积核对彩色图像中的某一通道，例如RGB三通道中的R通道，进行卷积运算(步长为1时)后得到的特征输出图用y_R表示，其大小为(k-m+1)×(k-n+1)，其特征映射中的每个元素值的计算表达式如公式(1.1)所示。

其中，0≤i≤k-m，0≤j≤k-n；i和j用于表示某一输出值在输出特征映射矩阵中的位置。

通常情况下m＝n，即卷积核的大小为n×n，上述卷积运算的示意图如图1所示。

依据上述图像卷积运算规则，可知用一个n×n的卷积核对RGB三通道的彩色图像中某一通道，如R通道进行卷积运算的运算量如表1所示。

表1通道进行单次卷积的运算次数

运算类型	运算次数
乘法运算	n×n×(k-n+1)×(k-n+1)
加法运算	2-1)]]>