[发明专利]一种基于卷积神经网络的通道扩展方法

权利要求书

1.一种基于卷积神经网络的通道扩展方法，用于替换卷积神经网络中通用的卷积扩展通道和池化操作，从而保证有效数据不损失的情况下减少所述卷积神经网络在中间运算的冗余数据，其特征在于，包括如下步骤：

步骤S1，根据在卷积池化前后特征图的分辨率变化率计算输出特征图数据的分辨率及通道数；

步骤S2，将4个维度的所述特征图数据中对应高和宽的通道进行维度拆分，形成6个维度；

步骤S3，将拆分后的所述特征图数据进行维度调转：第3、5维度调换为第5、6维度；

步骤S4，将调换后的所述特征图数据中第2、3、4维度进行维度合并，重新整合为4个维度；

其中，所述步骤S2包括如下子步骤：

步骤S2-1，将所述特征图数据在内存和/或显存中连续化；

步骤S2-2，拆分所述特征图数据中的第3、4维度；

所述步骤S4包括如下子步骤：

步骤S4-1，将调换后的所述特征图数据在内存和/或显存中连续化；

步骤S4-2，合并调换后的所述特征图数据中的第2、3、4维度，

所述4个维度为批大小、通道数、高、宽，记为[b,c,h,w]，

所述步骤S2中拆分所述维度时，在所述批大小不变的情况下，将h维度和w维度进行拆分并扩大所述通道数，高h与宽w缩小的总倍数等于所述通道数扩大的倍数，

若扩展前所述通道数为c，扩展后所述通道数为c’，那么：

同时，若扩展后高和宽为h’和w’，那么：

则有：

K＝M×N(3)

式中，K为通道扩展倍数，M为高的缩小倍数，N为宽的缩小倍数，

根据式(2)将h维度拆分为两个维度[h’,M]，将w维度拆分为两个维度[w’,N]，

拆分之后，所述特征图数据成为6个维度，其形式为[b,c,h’,M,w’,N]。

2.根据权利要求1所述的基于卷积神经网络的通道扩展方法，其特征在于：

其中，在所述步骤S3中进行所述维度调转时，将形式为[b,c,h’,M,w’,N]的所述特征图数据整理为[b,c,M,N,h’,w’]形式。

3.根据权利要求1所述的基于卷积神经网络的通道扩展方法，其特征在于：

其中，在所述步骤S4中进行所述维度合并时，将形式为[b,c,M,N,h’,w’]的所述特征图数据，整合为[b,c’,h’,w’]形式的4个维度。