1 |
1
딥러닝 신경망 장치에 있어서,입력에 대해 컨볼루션을 수행하여 제1 추정 특징을 출력하는 제1 컨볼루션 망을 포함하되, 상기 제1 컨볼루션 망은복수의 싱글 컨볼루션 레이어 1 및 2와, 복수의 고속 컨볼루션 레이어 1 내지 3와, 상기 복수의 싱글 컨볼루션 레이어 4 내지 7이 직렬로 배치되며,상기 복수의 싱글 컨볼루션 레이어 1 내지 6은 입력, 이전 싱글 컨볼루션 레이어, 또는 고속 컨볼루션 레이어의 출력 요소에 대해 컨볼루션 연산 및 Leaky ReLU(Rectified Linear Unit) 연산을 순차적으로 수행하도록 구비되는 것을 특징으로 하는 고속 연산이 가능한 딥러닝 신경망 장치
|
2 |
2
제1항에 있어서, 상기 고속 컨볼루션 레이어 1은상기 싱글 컨볼루션 레이어 2의 출력 요소를 입력으로 컨볼루션, 가산, 및 맥스폴링을 수행하여 입력에 대해 기 정해진 크기로 감소된 데이터 크기와 동일한 채널 수의 출력 요소를 생성하고,상기 고속 컨볼루션 레이어 2는상기 고속 컨볼루션 레이어 1의 출력 요소를 입력으로 컨볼루션, 가산, 및 맥스폴링을 순차적으로 수행하여 입력에 대해 감소된 데이터 크기 및 증가된 채널 수의 출력 요소를 생성하며,상기 고속 컨볼루션 레이어 3은 상기 고속 컨볼루션 레이어 2의 출력 요소를 입력으로 컨볼루션, 가산, 및 맥스폴링을 수행하여 입력에 대해 감소된 데이터 크기 및 증가된 채널 수의 출력 요소를 생성하도록 구비되는 것을 특징으로 하는 고속 연산이 가능한 딥러닝 신경망 장치
|
3 |
3
제2항에 있어서, 상기 싱글 컨볼루션 레이어 7은 상기 싱글 컨볼루션 레이어 6의 출력요소를 입력으로 컨볼루션 연산 및 리니어 연산을 수행하여 입력에 대해 동일한 데이터 크기 및 기 정해진 수로 감소된 채널 수의 출력 요소를 생성하여 제1 추정 특징을 출력하도록 구비되는 것을 특징으로 하는 고속 연산이 가능한 딥러닝 신경망 장치
|
4 |
4
제2항에 있어서, 상기 고속 컨볼루션 레이어 1은 이전 싱글 컨볼루션 레이어 2의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 순차적으로 수행하여 상기 입력에 대해 동일한 데이터 크기 및 채널 수의 출력 요소를 생성하는 싱글 컨볼루션 레이어 11;상기 싱글 컨볼루션 레이어 11의 출력 요소의 채널 수 중 채널 간의 연관성을 나타내는 기 정해진 채널 수의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 순차적으로 수행하여 상기 입력에 대해 동일한 데이터 크기와 동일한 채널 수의 특징맵을 출력하는 싱글 컨볼루션 레이어 12;싱글 컨볼루션 레이어 12의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 수행하여 동일한 데이터 크기 및 채널 수의 특징 맵을 출력하는 싱글 컨볼루션 레이어 13;상기 싱글 컨볼루션 레이어 12 및 13의 각 출력 요소를 입력으로 가산하는 가산기 11;상기 가산기의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 수행하여 상기 입력과 동일한 데이터 크기와 증가된 채널 수의 특징맵을 출력하는 싱글 컨볼루션 레이어 14; 상기 싱글 컨볼루션 레이어 11의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 수행하여 상기 입력과 동일한 데이터 크기 및 채널 수의 특징 맵을 출력하는 싱글 컨볼루션 레이어 15; 및상기 싱글 컨볼루션 레이어 14 및 15의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 수행하여 상기 입력과 동일한 데이터 크기 및 채널의 특징 맵을 출력하는 가산기 12; 및상기 가산기 12의 출력 요소를 입력으로 맥스풀링 연산을 수행하여 입력에 대해 감소된 데이터 크기와 동일한 채널 수의 특징 맵을 출력하는 맥스풀링 연산기 11를 포함하는 것을 특징으로 하는 고속 연산이 가능한 딥러닝 신경망 장치
|
5 |
5
제4항에 있어서, 상기 고속 컨볼루션 레이어 2은,이전 고속 컨볼루션 레이어 1의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 순차적으로 수행하여 상기 입력에 대해 동일한 데이터 크기와 증가된 채널 수의 출력 요소를 생성하는 싱글 컨볼루션 레이어 21;상기 싱글 컨볼루션 레이어 21의 출력 요소의 채널 수 중 기 정해진 채널 수의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 순차적으로 수행하여 상기 입력에 대해 동일한 데이터 크기와 동일한 채널 수의 특징맵을 출력하는 싱글 컨볼루션 레이어 22;싱글 컨볼루션 레이어 22의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 수행하여 동일한 데이터 크기 및 채널 수의 특징 맵을 출력하는 싱글 컨볼루션 레이어 23;상기 싱글 컨볼루션 레이어 22 및 23의 각 출력 요소를 입력으로 가산하는 가산기 11;상기 가산기의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 수행하여 상기 입력과 동일한 데이터 크기와 증가된 채널 수의 특징맵을 출력하는 싱글 컨볼루션 레이어 24; 상기 싱글 컨볼루션 레이어 21의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 수행하여 상기 입력과 동일한 데이터 크기 및 채널 수의 특징 맵을 출력하는 싱글 컨볼루션 레이어 25; 및상기 싱글 컨볼루션 레이어 24 및 25의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 수행하여 상기 입력과 동일한 데이터 크기 및 채널의 특징 맵을 출력하는 가산기 22; 및상기 가산기 22의 출력 요소를 입력으로 맥스풀링 연산을 수행하여 입력에 대해 감소된 데이터 크기와 동일한 채널 수의 특징 맵을 출력하는 맥스풀링 연산기 21를 포함하는 것을 특징으로 하는 고속 연산이 가능한 딥러닝 신경망 장치
|
6 |
6
제5항에 있어서, 상기 고속 컨볼루션 레이어 3은,이전 고속 컨볼루션 레이어 2의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 순차적으로 수행하여 상기 입력에 대해 동일한 데이터 크기와 증가된 채널 수의 출력 요소를 생성하는 싱글 컨볼루션 레이어 31;상기 싱글 컨볼루션 레이어 31의 출력 요소의 채널 수 중 기 정해진 채널 수의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 순차적으로 수행하여 상기 입력에 대해 동일한 데이터 크기와 동일한 채널 수의 특징맵을 출력하는 싱글 컨볼루션 레이어 32;싱글 컨볼루션 레이어 32의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 수행하여 동일한 데이터 크기 및 채널 수의 특징 맵을 출력하는 싱글 컨볼루션 레이어 33;상기 싱글 컨볼루션 레이어 32 및 33의 각 출력 요소를 입력으로 가산하는 가산기 11;상기 가산기의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 수행하여 상기 입력과 동일한 데이터 크기와 증가된 채널 수의 특징맵을 출력하는 싱글 컨볼루션 레이어 34; 상기 싱글 컨볼루션 레이어 31의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 수행하여 상기 입력과 동일한 데이터 크기 및 채널 수의 특징 맵을 출력하는 싱글 컨볼루션 레이어 35; 및상기 싱글 컨볼루션 레이어 34 및 35의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 수행하여 상기 입력과 동일한 데이터 크기 및 채널의 특징 맵을 출력하는 가산기 32; 및상기 가산기 32의 출력 요소를 입력으로 맥스풀링 연산을 수행하여 입력에 대해 감소된 데이터 크기와 동일한 채널 수의 특징 맵을 출력하는 맥스풀링 연산기 31를 포함하는 것을 특징으로 하는 고속 연산이 가능한 딥러닝 신경망 장치
|
7 |
7
제6항에 있어서, 상기 딥러닝 신경망 장치는,상기 고속 컨볼루션 레이어 3의 출력요소를 입력으로 업샘플링을 수행하여 상기 제1 컨볼루션 망의 해상도보다 높은 해상도의 제2 추정 특징을 출력하는 제2 컨볼루션 망을 더 포함하는 것을 특징으로 하는 고속 연산이 가능한 딥러닝 신경망 장치
|
8 |
8
제7항에 있어서, 상기 제2 컨볼루션 망은,고속 컨볼루션 레이어 3의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 수행하여 입력과 동일한 데이터 크기 및 채널 수의 특징 맵을 도출하는 싱글 컨볼루션 레이어 51;상기 싱글 컨볼루션 레이어 51의 출력 요소를 입력으로 업샘플링을 수행하여 입력에 대해 증가된 데이터 크기 및 동일한 채널 수의 출력 요소를 생성하는 업 샘플링 레이어; 상기 고속 컨볼루션 레이어 3의 가산기의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 수행하여 입력과 동일한 데이터 크기 및 채널 수의 특징 맵을 도출하는 싱글 컨볼루션 레이어 52; 상기 싱글 컨볼루션 레이어 51 및 업샘플링 레이어의 출력 요소들과 상기 고속 컨볼루션 레이어 3의 가산기 32의 출력 요소를 가산하는 가산 레이어; 상기 가산 레이어의 출력 요소를 입력으로 컨볼루션 연산 및 Leaky ReLU 연산을 수행하여 입력에 대해 동일한 데이터 크기 및 채널 수의 출력 요소를 생성하는 싱글 컨볼루션 레이어 53; 및상기 싱글 컨볼루션 레이어 53의 출력 요소를 입력으로 컨볼루션 연산 및 리니어 연산을 수행하여 입력에 대해 동일한 데이터 크기 및 감소된 채널 수의 추정 특징을 도출하는 싱글 컨볼루션 레이어 54를 포함하는 것을 특징으로 하는 고속 연산이 가능한 딥러닝 신경망 장치
|