[发明专利]用于图像识别的神经网络的处理器实现的方法和设备

权利要求书

1.一种用于图像识别的神经网络的处理器实现的方法，所述方法包括：

从输入图像获得输入特征图；

通过使用经由分解原始池化核获得的多个子池化核，对包括在输入特征图中的当前窗口中的输入像素执行池化操作，来获得分别与所述多个子池化核对应的中间池化结果；

通过对中间池化结果进行后处理来获得与当前窗口对应的最终池化结果；以及

基于最终池化结果，确定输出特征图的输出像素值以用于识别图像，

其中，根据原始池化核在输入特征图中根据光栅扫描顺序滑动来确定当前窗口。

2.根据权利要求1所述的方法，其中，

所述多个子池化核是分别包括原始池化核的行元素的多个1维核，并且

通过从原始池化核分解获得的所述多个子池化核的总数量与原始池化核的高度对应。

3.根据权利要求2所述的方法，其中，通过所述多个子池化核之中的共享的子池化核获得的关于当前窗口的中间池化结果与输入特征图中的至少一个其他窗口共享。

4.根据权利要求1所述的方法，其中，响应于针对当前窗口获得所有的中间池化结果，获得最终池化结果。

5.根据权利要求1所述的方法，其中，与同一窗口对应的中间池化结果分别存储在共享行缓冲器中的包括同一列且不同行的存储器地址的存储器单元中。

6.根据权利要求5所述的方法，还包括：

根据输入特征图的光栅扫描顺序，接收包括在当前窗口中的当前输入像素的值，

其中，获得中间池化结果的步骤包括：

基于接收的当前输入像素的值来更新存储在至少一个存储器单元中的受接收的当前输入像素的值影响的至少一个部分池化结果。

7.根据权利要求5所述的方法，其中，获得与当前窗口对应的最终池化结果的步骤包括：

从共享行缓冲器的存储器单元读取针对当前窗口的中间池化结果；以及

通过根据预设的池化类型对读取的中间池化结果执行后处理操作，获得与输出像素值对应的最终池化结果。

8.根据权利要求5所述的方法，其中，共享行缓冲器以循环的方式，将针对输入特征图中的其他窗口获得的中间池化结果存储在与原始池化核的高度对应的总行数的存储器行中。

9.根据权利要求8所述的方法，其中，响应于存储在共享行缓冲器的一个存储器单元中的中间池化结果不再被共享，将存储在所述一个存储器单元中的中间池化结果删除，以使所述一个存储器单元用于存储通过另一子池化核获得的将被存储的后续中间池化结果，来获得与另一窗口对应的最终池化结果。

10.根据权利要求1所述的方法，还包括：

获得神经网络的超参数，所述超参数包括与原始池化核的大小、步长大小和池化类型中的任何一个或任何两个或更多个的任何组合有关的信息，其中，

基于获得的所述超参数对存储获得的中间池化结果的共享行缓冲器进行寻址。

11.根据权利要求1所述的方法，其中，

池化操作是基于最大池化的池化类型的操作，其中，每个中间池化结果是映射到对应的子池化核的输入像素的值之中的最大值，并且最终池化结果是中间池化结果之中的最大值，或者

池化操作是基于平均池化的池化类型的操作，其中，每个中间池化结果是映射到对应的子池化核的输入像素的值的和，并且最终池化结果是通过将中间池化结果的和除以原始池化核的大小而获得的值。

12.一种存储指令的非暂时性计算机可读存储介质，所述指令在由一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1所述的方法。