| 1 |
1
적어도 하나의 프로세서에 의해 동작하는 컴퓨팅 장치가 합성곱 신경망을 학습시키는 방법으로서,입력 특징맵의 샘플링의 방향과 위치를 포함하는 오프셋 정보를 결정하는 단계,상기 오프셋 정보에 포함된 오프셋의 최댓값에 비례하는 수용 영역의 크기를 변수로 하는 손실함수를 생성하는 단계, 상기 오프셋 정보를 기초로 상기 입력 특징맵의 데이터를 샘플링하여 새로운 입력 특징맵을 생성하고, 상기 새로운 입력 특징맵과 컨볼루션 필터를 이용하여 출력 특징맵을 생성하는 합성곱 연산을 수행하는 단계, 그리고상기 손실함수를 이용하여 상기 합성곱 신경망을 최적화시키는 단계를 포함하는, 학습 방법
|
| 2 |
2
제1항에서,상기 새로운 입력 특징맵을 생성하는 단계는,상기 입력 특징맵에서 샘플링된 값들을 선형 보간(Linear Interpolation)하는, 학습 방법
|
| 3 |
3
제1항에서,상기 합성곱 신경망은 변형 가능한 합성곱 신경망(Deformable Convolutional Networks)인, 학습 방법
|
| 4 |
4
제1항에서,상기 최댓값은 상기 오프셋의 절댓값의 최댓값인, 학습 방법
|
| 5 |
5
합성곱 연산을 수행하는 컴퓨팅 장치로서,입력 특징맵과, 상기 입력 특징맵의 샘플링의 방향과 위치를 결정하는 오프셋 정보를 포함하는 버퍼, 상기 오프셋 정보를 기초로 상기 입력 특징맵에서의 샘플링 위치를 결정하고, 상기 버퍼로부터 상기 샘플링 위치에 해당하는 값을 제공받아 새로운 입력 특징맵을 생성하는 샘플링 처리기, 그리고합성곱 연산을 수행하여 상기 새로운 입력 특징맵으로부터 출력 특징맵을 생성하는 시스톨릭 어레이를 포함하는, 컴퓨팅 장치
|
| 6 |
6
제5항에서,상기 오프셋 정보는, 상기 시스톨릭 어레이에 의해 상기 입력 특징맵과 오프셋 필터가 컨볼루션 된 결과값인, 컴퓨팅 장치
|
| 7 |
7
제6항에서,상기 시스톨릭 어레이는,상기 입력 특징맵을 복수의 타일들로 분할하고, 각 타일과 상기 오프셋 필터를 컨볼루션하는, 컴퓨팅 장치
|
| 8 |
8
제5항에서,상기 샘플링 처리기는, 특정 샘플링 위치의 주변 픽셀들의 값을 선형 보간(Linear Interpolation)하는, 컴퓨팅 장치
|
| 9 |
9
제5항에서,상기 출력 특징맵은, 상기 새로운 입력 특징맵과 변형 가능한 컨볼루션 필터의 연산 결과인, 컴퓨팅 장치
|
