公开(公告)号：CN110222760B

公开(公告)日：2023-05-23

申请号：CN201910480120.9

申请日：2019-06-04

申请人： 东南大学 ,  东南大学—无锡集成电路技术研究所

发明人： 闫浩 ,  庞亮 ,  姚梦云 ,  门亚清 ,  李华超 ,  柴一凡 ,  时龙兴

IPC分类号： G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

摘要： 本发明公开一种基于winograd算法的快速图像处理方法，包括如下步骤：步骤1，选取数据集，利用Caffe框架训练自定义的神经网络模型，提取训练后的模型的卷积核权重、偏置值；步骤2，提取输入图片像素点，并存放在四维数组中，四个维度分别是输入图片数目、通道数、图片的长和宽；步骤3，构造基于winograd算法的卷积算子，判断卷积核尺寸是否为3×3且通道数是否大于10，如果满足，则使用winograd算子进行卷积操作；步骤4，输出卷积操作后得到的结果，并判断本层是否为最后一层卷积层，如果是，将输出图片经过RELU层的非线性变换后送入全连接层，否则重复步骤3。此种图像处理方法可提高处理器运行神经网络时的计算能效。

公开(公告)号：CN110222760A

公开(公告)日：2019-09-10

申请号：CN201910480120.9

申请日：2019-06-04

申请人： 东南大学 ,  东南大学—无锡集成电路技术研究所

发明人： 闫浩 ,  庞亮 ,  姚梦云 ,  门亚清 ,  李华超 ,  柴一凡 ,  时龙兴

IPC分类号： G06K9/62

摘要： 本发明公开一种基于winograd算法的快速图像处理方法，包括如下步骤：步骤1，选取数据集，利用Caffe框架训练自定义的神经网络模型，提取训练后的模型的卷积核权重、偏置值；步骤2，提取输入图片像素点，并存放在四维数组中，四个维度分别是输入图片数目、通道数、图片的长和宽；步骤3，构造基于winograd算法的卷积算子，判断卷积核尺寸是否为3×3且通道数是否大于10，如果满足，则使用winograd算子进行卷积操作；步骤4，输出卷积操作后得到的结果，并判断本层是否为最后一层卷积层，如果是，将输出图片经过RELU层的非线性变换后送入全连接层，否则重复步骤3。此种图像处理方法可提高处理器运行神经网络时的计算能效。