[发明专利]电子系统、非暂时性计算机可读记录媒体及计算装置

权利要求书

1.一种接收输入数据并产生输出数据的电子系统，所述电子系统包括：

神经网络装置，包括多个层，所述神经网络装置进一步包括处理器，

其中所述处理器被配置为在所述多个层中的每一者处产生多个原始特征图，应用与所述多个原始特征图中的每一者对应的增益，以产生多个输出特征图，并使用图像重构层通过对所述多个输出特征图进行求和来产生所述输出数据；以及

存储器，存储分别与所述多个层中的每一者对应的多个增益。

2.根据权利要求1所述的电子系统，其中所述多个层包括N个层，所述N个层包括依序级联连接的第一层至第N层，其中所述N个层中的第i层将第i原始特征图提供到所述N个层中的第i+1层，且

对所述第i原始特征图应用与所述N个层中的第i层对应的第i增益，

其中i是从1至N不等的整数。

3.根据权利要求1所述的电子系统，其中所述多个层及所述图像重构层中的每一者是卷积层。

4.根据权利要求1所述的电子系统，其中所述处理器将通过对所述多个输出特征图进行求和而获得的求和后的特征图提供到所述图像重构层，且所述图像重构层提供所述输出数据。

5.根据权利要求1所述的电子系统，其中所述输入数据是由图像传感器捕获的图像数据且包含物体及噪声，并且所述输出数据是通过从输入图像移除所述噪声而获得的输出图像。

6.根据权利要求5所述的电子系统，其中所述输入图像及所述输出图像包含所述物体，且所述噪声使所述输入图像的分辨率降级。

7.根据权利要求1所述的电子系统，其中所述处理器进一步被配置为基于一对输入图像与输出图像来学习所述多个增益中的增益，并将所学习的所述增益存储在所述存储器中。

8.根据权利要求7所述的电子系统，其中对所学习的所述增益进行学习，以强化由与所述增益对应的层输出的特征图的特征值。

9.根据权利要求1所述的电子系统，其中所述增益被实现为增益内核，且

所述多个输出特征图是基于所述原始特征图及与所述原始特征图对应的所述增益内核而产生。

10.根据权利要求9所述的电子系统，其中所述增益内核被实现成包含多个增益内核值的矩阵形式，且所述多个输出特征图是通过将所述原始特征图与所述增益内核进行卷积运算而产生。

11.一种记录有用于使用神经网络装置从输入图像产生输出图像的程序的非暂时性计算机可读记录媒体，所述程序包括：

接收所述输入图像；

基于所述输入图像从被级联连接的卷积层中的一些或全部产生多个原始特征图；

应用与所产生的所述多个原始特征图中的每一者对应的增益，并产生多个输出特征图；以及

基于所述多个输出特征图产生所述输出图像，

其中所述增益是通过学习算法学习的，且在所述程序被执行时加以更新。

12.根据权利要求11所述的非暂时性计算机可读记录媒体，其中所述程序进一步包括：

将从第x-1卷积层接收的第x-1原始特征图与第x权重图进行卷积运算；

产生第x原始特征图；以及

将所述第x原始特征图提供到第x+1卷积层，其中所述卷积运算、产生及提供是由第x卷积层执行，且x是大于1的整数。

13.根据权利要求11所述的非暂时性计算机可读记录媒体，其中所述被级联连接的卷积层包括N个卷积层，所述N个卷积层包括第一卷积层至第N卷积层，其中N是大于1的整数，

所述产生所述多个原始特征图包括从所有所述被级联连接的卷积层产生所述多个原始特征图，且

除基于所述第N卷积层而产生的第N输出特征图之外的第一输出特征图至第N-1输出特征图的特征值均为0。