[发明专利]用于可变计算资源的动态自适应卷积神经网络

权利要求书

1.一种用于执行对象识别的系统，包括：

存储器，用于存储第一输入图像数据和第二输入图像数据；以及

处理器，耦合至所述存储器，所述处理器用于：

响应于可用于处理所述第一输入图像数据的第一计算资源级别，仅将卷积神经网络(CNN)的卷积层处的可用卷积滤波器的第一子集应用于与所述第一输入图像数据相对应的第一特征图；

响应于改变到可用于处理所述第二输入图像数据的大于所述第一计算资源级别的第二计算资源级别，将所述CNN的卷积层处的可用卷积滤波器的所述第一子集以及一个或多个附加卷积滤波器应用于与所述第二输入图像数据相对应的第二特征图；以及

至少部分地基于所述CNN的卷积层的所述应用，分别发送所述第一图像的第一对象识别指示符和所述第二图像的第二对象识别指示符。

2.根据权利要求1所述的系统，其中，所述处理器将可用卷积滤波器的所述第一子集应用于所述第一特征图以及将可用卷积滤波器的所述第一子集应用于所述第二特征图包括：所述处理器应用相同的预训练的滤波器权重。

3.根据权利要求1或2中任一项所述的系统，其中，所述处理器应用卷积滤波器的所述第一子集生成第三特征图的数量等于卷积滤波器的所述第一子集中的卷积滤波器的数量，并且所述处理器应用所述第一子集以及所述一个或多个附加卷积滤波器生成第四特征图的数量等于所述第三特征图的数量加上所述附加卷积滤波器的数量。

4.根据权利要求3所述的系统，其中，所述第三特征图和所述第四特征图都具有相同的分辨率。

5.根据权利要求1至4中任一项所述的系统，其中，所述处理器还用于：

响应于所述第一计算资源级别，仅将所述CNN的第二卷积层处的第二可用卷积滤波器的第二子集应用于所述第一输入图像数据；以及

响应于所述第二计算资源级别，将所述CNN的第二卷积层处的第二可用卷积滤波器的所述第二子集以及一个或多个附加第二卷积滤波器应用于所述第二输入图像数据。

6.根据权利要求5所述的系统，其中，所述第一子集中的卷积滤波器的数量与所述第一子集中的卷积滤波器加上所述一个或多个附加卷积滤波器的数量的比率，和所述第二子集中的卷积滤波器的数量与所述第二子集中的卷积滤波器加上所述一个或多个附加第二卷积滤波器的数量的第二比率相同。

7.根据权利要求1至6中任一项所述的系统，其中，所述处理器还用于：

响应于所述第一计算资源级别，仅将所述CNN的第二层处的可用全连接权重的第二子集应用于与所述第一输入图像数据相对应的第三特征图；以及

响应于所述第二计算资源级别，将所述CNN的所述第二全连接层处的所述第二可用全连接权重的所述第二子集以及一个或多个附加全连接权重应用于与所述第二输入图像数据相对应的第四特征图。

8.根据权利要求1至7中任一项所述的系统，其中，所述处理器还用于：

响应于改变到可用于处理第三输入图像数据的小于所述第一计算资源级别的第三计算资源级别，仅将所述CNN的卷积层处的可用卷积滤波器的第二子集应用于与所述第三输入图像相对应的第三特征图，其中所述第二子集具有比所述第一子集更少的卷积滤波器，并且所述第二子集中的每个卷积滤波器在所述第一子集中。

9.根据权利要求1至8中任一项所述的系统，其中，所述处理器还用于：

对于所述CNN，选择多个可用配置；

对于每个所述可用配置，确定每个卷积层处应用的卷积滤波器的数量；以及

将每个所述可用配置彼此结合地训练，其中所述可用配置的公共卷积滤波器在所述训练中共享滤波器等待，以生成所述CNN的最终权重。