[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

说明书

公开用于图像识别的神经网络的处理器实现的方法和设备。所述神经网络的处理器实现的方法包括：通过利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，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。

本申请要求于2019年9月26日在韩国知识产权局提交的第10-2019-0119090号韩国专利申请的权益，所述韩国专利申请的公开出于所有目的通过引用全部包含于此。

技术领域

提供一种具有神经网络池化处理的神经处理设备和方法。

背景技术

神经网络可以是通过参考设置的机器学习而被实现为例如各种类型的电子系统的计算系统，设置的机器学习分析输入数据并提取有效信息。

发明内容

提供本发明内容以便以简化的形式介绍将在下面的具体实施方式中进一步描述的构思的选择。本发明内容不意图确定要求保护的主题的关键特征或必要特征，也不意图用于帮助确定要求保护的主题的范围。

在一个总体方面，一种神经网络的处理器实现的方法包括：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，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。

所述多个子池化核可以是分别包括原始池化核的行元素的多个1维(1D)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可与原始池化核的高度对应。

通过所述多个子池化核之中的子池化核获得的关于当前窗口的中间池化结果可与输入特征图中的至少一个其他窗口共享。

响应于针对当前窗口获得所有的中间池化结果，可获得最终池化结果。

与同一窗口对应的中间池化结果可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。

所述方法还可包括：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。

获得与当前窗口对应的最终池化结果的步骤可包括：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。

共享行缓冲器可以以循环的方式，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。

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，可将存储在所述一个存储器单元中的中间池化结果重新用于通过另一子池化核获得的将被存储的后续中间池化结果，以获得与另一窗口对应的最终池化结果。

所述方法还可包括：获得神经网络的超参数，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，可基于获得的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。

池化操作可以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，或者池化操作可以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。