[发明专利]对象识别方法及设备

权利要求书

1.一种对象识别方法，包括：

通过执行神经网络的当前层的输入图与当前层的权重内核之间的卷积运算，生成当前层的输出图；

基于神经网络中正在处理的激活数据的至少一部分的分布，确定当前层的输出图的轻量级格式；

基于确定的轻量级格式，将与当前层的输出图对应的激活数据轻量化为具有低位宽。

2.根据权利要求1所述的对象识别方法，其中，确定轻量级格式的步骤包括：

基于当前层的输出图的最大值，确定轻量级格式。

3.根据权利要求1所述的对象识别方法，其中，轻量化的步骤包括：

基于确定的轻量级格式，将神经网络的与当前层的输出图对应的后续层的输入图轻量化为具有低位宽。

4.根据权利要求1所述的对象识别方法，其中，轻量化的步骤包括：

通过使用与确定的轻量级格式对应的值对神经网络的与当前层的输出图对应的后续层的输入图执行移位操作，来将后续层的输入图轻量化为具有低位宽。

5.根据权利要求1所述的对象识别方法，还包括：

从存储器加载当前层的输出图；

基于加载的当前层的输出图，更新被配置为存储当前层的输出图的最大值的寄存器，

其中，基于存储在寄存器中的值来执行确定轻量级格式的步骤。

6.根据权利要求1所述的对象识别方法，其中，确定轻量级格式的步骤包括：

基于神经网络的前一层的输出图的最大值，预测当前层的输出图的最大值；

基于预测的当前层的输出图的最大值，确定当前层的输出图的轻量级格式。

7.根据权利要求1所述的对象识别方法，其中，轻量化的步骤包括：

通过使用与确定的轻量级格式对应的值对当前层的输出图执行移位操作，来将具有高位宽的当前层的输出图轻量化为具有低位宽。

8.根据权利要求1所述的对象识别方法，还包括：

基于通过卷积运算生成的当前层的输出图，更新被配置为存储当前层的输出图的最大值的寄存器，

其中，基于存储在寄存器中的值，预测神经网络的后续层的输出图的最大值。

9.根据权利要求1所述的对象识别方法，还包括：

通过参考包括针对每个层和输出通道的权重内核的数据库，获得与当前层中当前正在处理的第一输出通道对应的第一权重内核，

其中，生成当前层的输出图的步骤包括：

通过执行当前层的输入图与第一权重内核之间的卷积运算，生成与第一输出通道对应的第一输出图。

10.根据权利要求9所述的对象识别方法，其中，第一权重内核独立于与当前层的第二输出通道对应的第二权重内核而被确定。

11.根据权利要求1所述的对象识别方法，其中，当前层的输入图和当前层的权重内核具有低位宽，当前层的输出图具有高位宽。

12.一种存储指令的非暂时性计算机可读存储介质，其中，当所述指令由处理器执行时，使得处理器执行权利要求1所述的对象识别方法。

13.一种对象识别设备，包括：

处理器；

存储器，包括能够由处理器读取的指令，

其中，当所述指令由处理器执行时，处理器被配置为：

通过执行神经网络的当前层的输入图与当前层的权重内核之间的卷积运算，生成当前层的输出图；

基于神经网络中正在处理的激活数据的至少一部分的分布，确定当前层的输出图的轻量级格式；

基于确定的轻量级格式，将与当前层的输出图对应的激活数据轻量化为具有低位宽。

14.根据权利要求13所述的对象识别设备，其中，处理器被配置为：

基于当前层的输出图的最大值，确定轻量级格式。