申请/专利权人：杭州海康威视数字技术股份有限公司

申请日：2020-08-14

公开（公告）日：2020-11-24

公开（公告）号：CN111985618A

主分类号：G06N3/04(20060101)

分类号：G06N3/04(20060101);G06N3/063(20060101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2020.12.11#实质审查的生效;2020.11.24#公开

摘要：本申请提供一种3D卷积神经网络在神经网络处理器上的处理方法和装置。本申请中，将图序列在时间维度上的数据拼接到通道维度上，得到多个2D拼接图，同时，将C3D卷积层的3D卷积核在时间维度上的数据也拼接到通道维度上，得到2D拼接卷积核。由此，神经网络处理器可以基于该2D拼接图和2D拼接卷积核进行卷积运算，实现了神经网络处理器支持神经网络的卷积处理。同时，本申请还将C3D池化层进行池化操作步骤的转换，将输入到池化层的数据降低时间维度增加数量维度，进行多次第一池化操作，然后沿高度或宽度对数据进行拼接后进行二次池化操作，实现了神经网络处理器支持卷积神经网络的池化处理。

主权项：1.一种3D卷积神经网络在神经网络处理器上的处理方法，所述神经网络处理器支持2D卷积神经网络的运行，不支持所述3D卷积神经网络的运行，所述3D卷积神经网络为C3D网络，所述C3D网络包括C3D卷积层和C3D池化层，其特征在于，所述方法包括：步骤1：接收时间维度参数为L1的图序列，将所述图序列按照C3D卷积核时间维度参数L2拆分成时间维度参数值降低的L个子序列，每个子序列包括按照时间顺序排列的L2个图；并针对所述L个子序列中每一个，将所述L2个图沿通道维度方向上按顺序进行图拼接，将其转换成时间维度参数为1但通道维度方向上存在拼接的一个2D拼接图，最终得到L个2D拼接图；其中，所述L＝L1-L2+2*Pad_L2Stride_L2+1，其中，L2为C3D卷积层时间维度参数，Pad_L2为用于卷积计算的加窗参数，Stride_L2为用于卷积计算的步长参数；步骤2：将所述步骤1得到的L个2D拼接图输入到C3D卷积层，先将时间维度参数为L2的C3D卷积核转换成时间维度参数为1但通道维度方向存在L2个卷积核拼接的一个2D拼接卷积核；然后执行所述L个2D拼接图与所述2D拼接卷积核分别进行卷积运算，输出L个2D特征图，所述C3D卷积层输出的所述L个2D特征图输入到所述C3D池化层；步骤3：先将所述C3D池化层进行池化操作的维度转换，其中，所述C3D池化层进行池化操作的时间维度参数由L3转换成1，所述C3D池化层执行池化操作的数量维度参数由1转换为L3；然后将输入到所述C3D池化层的所述L个2D特征图先执行L次时间维度参数为1的第一池化操作，得到L个初步压缩的第一池化特征图，再将所述L个第一池化特征图进行二次池化操作，得到再次压缩的K个特征图，其中，K小于L，所述第一池化操作是将输入的每个所述2D特征图滑窗并按设定取值方式进行取值的操作；所述设定取值方式为取平均值或取最大值。

全文数据：

权利要求：

百度查询： 杭州海康威视数字技术股份有限公司 3D卷积神经网络在神经网络处理器上的处理方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD