[发明专利]一种基于卷积神经网络的通道扩展方法有效
| 申请号： | 201910865549.X | 申请日： | 2019-09-12 |
| 公开（公告）号： | CN110619387B | 公开（公告）日： | 2023-06-20 |
| 发明（设计）人： | 刘天弼;杜姗姗;冯瑞 | 申请（专利权）人： | 复旦大学 |
| 主分类号： | G06N3/0464 | 分类号： | G06N3/0464;G06F18/213 |
| 代理公司： | 上海德昭知识产权代理有限公司 31204 | 代理人： | 郁旦蓉 |
| 地址： | 200433 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供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特征图数据的分辨率及通道数；步骤S2，将4个维度的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。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 通道 扩展 方法 | ||
【主权项】：
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：/n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；/n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；/n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；/n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，/n其中，所述步骤S2包括如下子步骤：/n步骤S2-1，将所述特征图数据在内存和/或显存中连续化；/n步骤S2-2，拆分所述特征图数据中的第3、4维度，/n所述步骤S4包括如下子步骤：/n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；/n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。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于复旦大学，未经复旦大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910865549.X/，转载请声明来源钻瓜专利网。
