本申请涉及一种基于忆阻器阵列的图像识别方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括:获取构造卷积核矩阵和目标图像对应的构造图像信息矩阵;基于忆阻器阵列、构造卷积核矩阵和构造图像信息矩阵,确定目标图像对应的初步特征结果;忆阻器阵列用于执行构造卷积核矩阵和构造图像信息矩阵的矩阵相乘操作处理,忆阻器阵列的行数根据构造卷积核矩阵的行数确定,忆阻器阵列的列数根据构造图像信息矩阵的列数和构造图像信息矩阵中所有元素中的最大值确定;根据目标图像对应的初步特征结果,得到目标图像对应的图像识别结果。采用本方法能够缩短图像识别的时间。结果。采用本方法能够缩短图像识别的时间。结果。采用本方法能够缩短图像识别的时间。
【技术实现步骤摘要】
基于忆阻器阵列的图像识别方法、装置和计算机设备
[0001]本申请涉及人工智能
,特别是涉及一种基于忆阻器阵列的图像识别方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]图像识别,是指利用计算机对图像进行处理、分析和理解,以识别各种不同模式的目标和对象的技术,是深度学习算法的一种实践应用。
[0003]随着人工智能技术的发展,卷积神经网络(CNN)技术已经成为利用机器学习进行图像识别的关键技术。用于实现图像识别的卷积神经网络通常包括卷积层、池化层和全连接层。其中,卷积层通过对目标图像对应的图像信息矩阵和卷积层包括的各卷积核矩阵作卷积运算实现对目标图像的图像特征的初步提取。而由于卷积运算本质上就是在滤波器和输入数据的局部区域间做点积。因此,卷积层的常用实现方式为用矩阵乘法实现卷积,即将卷积层的前向传播变成一个巨大的矩阵乘法。
[0004]因此,目前的图像识别方法涉及大规模的矩阵相乘运算。而计算矩阵相乘的结果往往意味着与矩阵规模成三次方关系的时间复杂度,即矩阵阶次越大,相应运算时间需求越高,数据计算所需时间成本越大。因此,目前的图像识别方法耗费的时间长。
技术实现思路
[0005]基于此,有必要针对上述技术问题,提供一种能够缩短时间的基于忆阻器阵列的图像识别方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0006]第一方面,本申请提供了一种基于忆阻器阵列的图像识别方法。所述方法包括:
[0007]获取构造卷积核矩阵和目标图像对应的构造图像信息矩阵;所述构造卷积核矩阵为基于卷积层包括的卷积核矩阵得到的;所述构造图像信息矩阵为基于所述目标图像对应的图像信息矩阵得到的;
[0008]基于忆阻器阵列、所述构造卷积核矩阵和所述构造图像信息矩阵,确定所述目标图像对应的初步特征结果;所述忆阻器阵列用于执行所述构造卷积核矩阵和所述构造图像信息矩阵的矩阵相乘操作处理,所述忆阻器阵列的行数根据所述构造卷积核矩阵的行数确定,所述忆阻器阵列的列数根据所述构造图像信息矩阵的列数和所述构造图像信息矩阵中所有元素中的最大值确定;
[0009]根据所述目标图像对应的初步特征结果,得到所述目标图像对应的图像识别结果。
[0010]在其中一个实施例中,所述忆阻器阵列执行所述构造卷积核矩阵和所述构造图像信息矩阵的矩阵相乘操作处理的过程包括:
[0011]根据所述构造卷积核矩阵,确定所述忆阻器阵列中各忆阻器的行电极输入信息;
[0012]根据所述构造图像信息矩阵,确定所述忆阻器阵列中所述各忆阻器的列电极输入信息;
[0013]根据所述行电极输入信息和所述列电极输入信息,对所述忆阻器阵列供电,并获取所述各忆阻器对应的电导;
[0014]根据所述各忆阻器对应的电导,确定所述目标图像对应的初步特征结果。
[0015]在其中一个实施例中,所述根据所述构造卷积核矩阵,确定所述忆阻器阵列中各忆阻器的行电极输入信息包括:
[0016]在所述构造卷积核矩阵中,确定各构造卷积核矩阵行和各构造卷积核矩阵列;
[0017]针对每一个所述构造卷积核矩阵行,确定所述构造卷积核矩阵行在所述忆阻器阵列中对应的行电极输入行数;
[0018]针对每一个所述构造卷积核矩阵列,确定所述构造卷积核矩阵列在所述忆阻器阵列中对应的行电极输入轮次;
[0019]其中,所述各构造卷积核矩阵行对应的行电极输入行数和所述各构造卷积核矩阵列对应的行电极输入轮次构成所述忆阻器阵列中各忆阻器的行电极输入信息。
[0020]在其中一个实施例中,所述根据所述构造图像信息矩阵,确定所述忆阻器阵列中所述各忆阻器的列电极输入信息包括:
[0021]基于预设的图像信息矩阵拆解规则和所述构造图像信息矩阵,确定拆解图像信息矩阵和各所述拆解图像信息矩阵对应的图像信息拆解权重;所述图像信息矩阵拆解规则包括图像信息矩阵拆解进制;
[0022]针对每一个拆解图像信息矩阵,在所述拆解图像信息矩阵中,确定各拆解图像信息矩阵列和各拆解图像信息矩阵行;
[0023]针对每一个所述拆解图像信息矩阵列,确定所述拆解图像信息矩阵列在所述忆阻器阵列中对应的列电极输入列数;
[0024]针对每一个所述拆解图像信息矩阵行,确定所述拆解图像信息矩阵行在所述忆阻器阵列中对应的列电极输入轮次;
[0025]其中,所述各拆解图像信息矩阵列对应的列电极输入列数和所述各拆解图像信息矩阵行对应的列电极输入轮次构成所述忆阻器阵列中各忆阻器的列电极输入信息。
[0026]在其中一个实施例中,其特征在于,所述根据所述各忆阻器对应的电导,确定所述目标图像对应的初步特征结果包括:
[0027]针对每一个所述拆解图像信息矩阵,确定所述拆解图像信息矩阵在所述忆阻器阵列中对应的各忆阻器的电导;
[0028]基于各所述拆解图像信息矩阵在所述忆阻器阵列中对应的各忆阻器的电导和预设的电导转换规则,确定各所述拆解图像信息矩阵对应的子矩阵结果;
[0029]根据各所述拆解图像信息矩阵对应的子矩阵结果和各所述拆解图像信息矩阵对应的图像信息拆解权重,确定所述目标图像对应的初步特征结果。
[0030]在其中一个实施例中,所述获取构造卷积核矩阵和目标图像对应的构造图像信息矩阵包括:
[0031]针对每一个卷积核矩阵,确定所述卷积核矩阵在构造卷积核矩阵中对应的构造卷积核行向量;
[0032]根据各所述卷积核矩阵在所述构造卷积核矩阵中对应的构造卷积核行向量,得到所述构造卷积核矩阵;
[0033]基于目标图像对应的图像信息矩阵和所述卷积核矩阵,确定在所述图像信息矩阵中的子图像信息矩阵;
[0034]针对每一个所述子图像信息矩阵,确定所述子图像信息矩阵在构造图像信息矩阵中对应的构造图像信息列向量;
[0035]根据各所述子图像信息矩阵在所述构造图像信息矩阵中对应的构造图像信息列向量,得到所述目标图像对应的所述构造图像信息矩阵。
[0036]第二方面,本申请还提供了一种基于忆阻器阵列的图像识别装置。所述装置包括:
[0037]获取模块,用于获取构造卷积核矩阵和目标图像对应的构造图像信息矩阵;所述构造卷积核矩阵为基于卷积层包括的卷积核矩阵得到的;所述构造图像信息矩阵为基于所述目标图像对应的图像信息矩阵得到的;
[0038]确定模块,用于基于忆阻器阵列、所述构造卷积核矩阵和所述构造图像信息矩阵,确定所述目标图像对应的初步特征结果;所述忆阻器阵列用于执行所述构造卷积核矩阵和所述构造图像信息矩阵的矩阵相乘操作处理,所述忆阻器阵列的行数根据所述构造卷积核矩阵的行数确定,所述忆阻器阵列的列数根据所述构造图像信息矩阵的列数和所述构造图像信息矩阵中所有元素中的最大值确定;
[0039]图像识别模块,用于根据所述目标图像对应的初步特征结果,得到所述目标图像对应的图像识别结果。
[0040]在其中一个实施例中,所述确本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于忆阻器阵列的图像识别方法,其特征在于,所述方法包括:获取构造卷积核矩阵和目标图像对应的构造图像信息矩阵;所述构造卷积核矩阵为基于卷积层包括的卷积核矩阵得到的;所述构造图像信息矩阵为基于所述目标图像对应的图像信息矩阵得到的;基于忆阻器阵列、所述构造卷积核矩阵和所述构造图像信息矩阵,确定所述目标图像对应的初步特征结果;所述忆阻器阵列用于执行所述构造卷积核矩阵和所述构造图像信息矩阵的矩阵相乘操作处理,所述忆阻器阵列的行数根据所述构造卷积核矩阵的行数确定,所述忆阻器阵列的列数根据所述构造图像信息矩阵的列数和所述构造图像信息矩阵中所有元素中的最大值确定;根据所述目标图像对应的初步特征结果,得到所述目标图像对应的图像识别结果。2.根据权利要求1所述的方法,其特征在于,所述忆阻器阵列执行所述构造卷积核矩阵和所述构造图像信息矩阵的矩阵相乘操作处理的过程包括:根据所述构造卷积核矩阵,确定所述忆阻器阵列中各忆阻器的行电极输入信息;根据所述构造图像信息矩阵,确定所述忆阻器阵列中所述各忆阻器的列电极输入信息;根据所述行电极输入信息和所述列电极输入信息,对所述忆阻器阵列供电,并获取所述各忆阻器对应的电导;根据所述各忆阻器对应的电导,确定所述目标图像对应的初步特征结果。3.根据权利要求2所述的方法,其特征在于,所述根据所述构造卷积核矩阵,确定所述忆阻器阵列中各忆阻器的行电极输入信息包括:在所述构造卷积核矩阵中,确定各构造卷积核矩阵行和各构造卷积核矩阵列;针对每一个所述构造卷积核矩阵行,确定所述构造卷积核矩阵行在所述忆阻器阵列中对应的行电极输入行数;针对每一个所述构造卷积核矩阵列,确定所述构造卷积核矩阵列在所述忆阻器阵列中对应的行电极输入轮次;其中,所述各构造卷积核矩阵行对应的行电极输入行数和所述各构造卷积核矩阵列对应的行电极输入轮次构成所述忆阻器阵列中各忆阻器的行电极输入信息。4.根据权利要求2所述的方法,其特征在于,所述根据所述构造图像信息矩阵,确定所述忆阻器阵列中所述各忆阻器的列电极输入信息包括:基于预设的图像信息矩阵拆解规则和所述构造图像信息矩阵,确定拆解图像信息矩阵和各所述拆解图像信息矩阵对应的图像信息拆解权重;所述图像信息矩阵拆解规则包括图像信息矩阵拆解进制;针对每一个拆解图像信息矩阵,在所述拆解图像信息矩阵中,确定各拆解图像信息矩阵列和各拆解图像信息矩阵行;针对每一个所述拆解图像信息矩阵列,确定所述拆解图像信息矩阵列在所述忆阻器阵列中对应的列电极输入列数;针对每一个所述拆解图像信息矩阵行,确定所述拆解图像信息矩阵行在所述忆阻器阵列中对应的列电极输入轮次;其中,所述各拆解图像信息矩阵列对应的列电极输入列数和所述各拆...
【专利技术属性】
技术研发人员:李黄龙,苗辰飞,
申请(专利权)人:清华大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。