(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210668794.3 (22)申请日 2022.06.14 (65)同一申请的已公布的文献号 申请公布号 CN 114758209 A (43)申请公布日 2022.07.15 (73)专利权人 深圳思谋信息科技有限公司 地址 518051 广东省深圳市南 山区高新 南 九道45号 三航科技大厦2 2楼 专利权人 苏州思谋智能科技有限公司 (72)发明人 钱祎剑　张斌　沈小勇　吕江波　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 专利代理师 帅梦媛 (51)Int.Cl. G06V 10/96(2022.01) G06V 10/82(2022.01) G06V 10/44(2022.01)G06N 3/04(2006.01) (56)对比文件 CN 113283591 A,2021.08.20 CN 114003201 A,202 2.02.01 CN 108229645 A,2018.0 6.29 CN 110517183 A,2019.1 1.29 WO 2020073211 A1,2020.04.16 US 202016 0050 A1,2020.0 5.21 许柯.深度神经网络加速 器软硬件协同设计 方法研究. 《中国优秀博硕士学位 论文全文数据 库(博士)信息科技 辑》 .2022,(第02期), Hui Zhang等.A Multi window Partial Buffering Scheme for FPGA-Based 2-D Convolvers. 《IE EE Transacti ons on Circuits and System s II: Expres s Briefs》 .20 07,第54 卷(第2期), 审查员 梁清粼 (54)发明名称 卷积结果获取方法、 装置、 计算机设备及存 储介质 (57)摘要 本申请提供一种卷积结果获取方法、 装置、 计算机设备及存储介质， 涉及人工智能技术领 域。 方法包括： 获取待处理图像在各个通道下的 特征图； 针对每个通道下的特征图， 在特征图上 以预设步长滑动预设大小的滑窗， 对于滑窗内的 当前特征矩阵， 按照第一预设规则， 每次从当前 特征矩阵中提取第一预设数量的数据； 基于卷积 核和卷积核变换矩阵确定权重矩阵， 并按照第二 预设规则， 对权重矩阵中各个数据的位置进行调 整， 得到调整后的权重矩阵； 基于在各个通道下 每次提取到的第一预设数量的数据， 以及调整后 的权重矩阵， 确定待处理图像对应的卷积结果。 采用本申请能够提高计算单元的利用率， 进而减 少逻辑资源的消耗。 权利要求书3页 说明书16页 附图11页 CN 114758209 B 2022.09.02 CN 114758209 B 1.一种卷积结果获取 方法， 其特 征在于， 包括： 获取待处 理图像在各个通道下的特 征图； 针对每个通道下的特征图， 在所述特征图上以预设步长滑动预设大小的滑窗， 对于滑 窗内的当前特征矩阵， 按照第一预设规则， 每次从所述当前特征矩阵中提取第一预设数量 的数据； 所述预设大小为 4×4， 所述第一预设数量 为2； 基于卷积核和卷积核变换矩阵确定权重矩阵， 并按照第二预设规则， 对所述权重矩阵 中各个数据的位置进行调整， 得到调整后的权 重矩阵； 基于在所述各个通道下每次提取到的所述第 一预设数量的数据， 以及所述调整后的权 重矩阵， 确定所述待处 理图像对应的卷积结果。 2.根据权利要求1所述的方法， 其特征在于， 所述基于在所述各个通道下每次提取到的 所述第一预设数量的数据， 以及所述调整后的权重矩阵， 确定所述待处理图像对应的卷积 结果， 包括： 针对每个通道， 从每次提取到的所述第 一预设数量的数据中确定未进行第 一转换处理 的目标数据； 根据第一输入变换矩阵， 对所述目标数据进行所述第一转换 处理， 得到所述目 标数据对应的第一 转换处理结果； 根据每次提取到的所述第一预设数量的数据中已进行所述第一转换处理的数据对应 的第一转换处理结果， 以及所述 目标数据对应的第一转换处理结果， 确定所述当前特征矩 阵对应的第一 转换处理矩阵； 基于在所述各个通道下所述当前特征矩阵对应的第 一转换处理矩阵， 以及所述调 整后 的权重矩阵， 确定所述待处 理图像对应的卷积结果。 3.根据权利要求2所述的方法， 其特征在于， 所述基于在所述各个通道下所述当前特征 矩阵对应的第一转换处理矩阵， 以及所述调整后的权重矩阵， 确定所述待处理图像对应的 卷积结果， 包括： 针对每个通道， 每次从所述当前特征矩阵对应的第 一转换处理矩阵中提取第 二预设数 量的行数据； 基于所述第二预设数量的行数据和第二输入变换矩阵， 确定所述第二预设数 量的行数据对应的第二 转换处理结果； 基于在所述各个通道下所述第 二预设数量的行数据对应的第 二转换处理结果， 以及所 述调整后的权 重矩阵， 确定所述待处 理图像对应的卷积结果。 4.根据权利要求3所述的方法， 其特征在于， 所述基于在所述各个通道下所述第 二预设 数量的行数据对应的第二转换处理结果， 以及所述调整后的权重矩阵， 确定所述待处理图 像对应的卷积结果， 包括： 针对每个通道， 对所述调 整后的权重矩阵和所述第 二预设数量的行数据对应的第 二转 换处理结果进行点乘处 理， 得到所述第二预设数量的行 数据对应的第三 转换处理结果； 对在所述各个通道下所述第 二预设数量的行数据对应的第 三转换处理结果， 进行累计 和处理， 得到所述第二预设数量的行 数据对应的第四转换处 理结果； 基于每次提取到的所述第 二预设数量的行数据各自对应的第四转换处理结果， 确定所 述当前特征矩阵对应的第二 转换处理矩阵； 基于所述当前特征矩阵对应的第 二转换处理矩阵、 第 一输出变换矩阵和第 二输出变换 矩阵， 确定所述待处 理图像对应的卷积结果。权　利　要　求　书 1/3 页 2 CN 114758209 B 25.根据权利要求1所述的方法， 其特征在于， 所述按照第一预设规则， 每次从所述当前 特征矩阵中提取第一预设数量的数据， 包括： 先提取所述当前特征矩阵中第1列中第2行和第3行的数据， 接着提取所述第1列中第1 行和第4行的数据； 接着提取所述当前特征矩阵中第2列中第2行和第3行的数据， 接着提取 所述第2列中第1行和第4行的数据； 接着提取所述当前特征矩阵中第3列中第2行和 第3行的 数据， 接着提取所述第3列中第1行和第4行的数据； 接着提取所述当前特征矩阵中第4列中 第2行和第3行的数据， 接着提取 所述第4列中第1行和第4行的数据。 6.根据权利要求1所述的方法， 其特征在于， 所述卷积核大小为3 ×3， 所述权重矩阵大 小为4×4， 所述按照第二预设规则， 对所述权重矩阵中各个数据的位置进 行调整， 得到调整 后的权重矩阵， 包括： 将所述权重矩阵中第2行第2列、 第3行第2列、 第2行第3列以及第3行第3列的数据依次 排在调整后的权 重矩阵中第1行第1列、 第1行第2列、 第1行第3列以及第1行第4列； 将所述权重矩阵中第1行第2列、 第4行第2列、 第1行第3列以及第4行第3列的数据依次 排在所述调整后的权 重矩阵中第2行第1列、 第2行第2列、 第2行第3列以及第2行第4列； 将所述权重矩阵中第2行第1列、 第3行第1列、 第2行第4列以及第3行第4列的数据依次 排在所述调整后的权 重矩阵中第3行第1列、 第3行第2列、 第3行第3列以及第3行第4列； 将所述权重矩阵中第1行第1列、 第4行第1列、 第1行第4列以及第4行第4列的数据依次 排在所述调整后的权 重矩阵中第4行第1列、 第4行第2列、 第4行第3列以及第4行第4列。 7.一种卷积结果获取装置， 其特 征在于， 包括： 第一获取模块， 用于获取待处 理图像在各个通道下的特 征图； 提取模块， 用于针对每个通道下的特征图， 在所述特征图上以预设步长滑动预设大小 的滑窗， 对于滑窗内的当前特征矩阵， 按照第一预设规则， 每次从所述当前特征矩阵中提取 第一预设数量的数据； 所述预设大小为 4×4， 所述第一预设数量 为2； 调整模块， 用于基于卷积核和卷积核变换矩阵确定权重矩阵， 并按照第 二预设规则， 对 所述权重矩阵中各个数据的位置进行调整， 得到调整后的权 重矩阵； 第二获取模块， 用于基于在所述各个通道下每次提取到的所述第一预设数量的数据， 以及所述调整后的权 重矩阵， 确定所述待处 理图像对应的卷积结果。 8.根据权利要求7所述的装置， 其特征在于， 在所述基于在所述各个通道下每次提取到 的所述第一预设数量的数据， 以及所述调整后的权重矩阵， 确定所述待处理图像对应的卷 积结果方面， 所述第二获取模块具体用于： 针对每个通道， 从每次提取到的所述第 一预设数量的数据中确定未进行第 一转换处理 的目标数据； 根据第一输入变换矩阵， 对所述目标数据进行所述第一转换 处理， 得到所述目 标数据对应的第一 转换处理结果； 根据每次提取到的所述第一预设数量的数据中已进行所述第一转换处理的数据对应 的第一转换处理结果， 以及所述 目标数据对应的第一转换处理结果， 确定所述当前特征矩 阵对应的第一 转换处理矩阵； 基于在所述各个通道下所述当前特征矩阵对应的第 一转换处理矩阵， 以及所述调