基于分裂基-2/(2a)FFT算法的卷积神经网络加速性能的研究

卷积神经网络在语音识别和图像识别等众多领域取得了突破性进展,限制其大规模应用的很重要的一个因素就是其计算复杂度,尤其是其中空域线性卷积的计算。利用卷积定理在频域中实现空域线性卷积被认为是一种非常有效的实现方式,该文首先提出一种统一的基于时域抽取方法的分裂基-2/(2a)1维FFT快速算法,其中a为任意自然数,然后在CPU环境下对提出的FFT算法在一类卷积神经网络中的加速性能进行了比较研究。在MNIST手写数字数据库以及Cifar-10对象识别数据集上的实验表明:利用分裂基-2/4 FFT算法和基-2 FFT算法实现的卷积神经网络相比于空域直接实现的卷积神经网络,精度并不会有损失,并且分裂基-2/4能取得最好的提速效果,在以上两个数据集上分别提速38.56%和72.01%。因此,在频域中实现卷积神经网络的线性卷积操作是一种十分有效的实现方式。

Legendre矩的两种快速算法

Legendre正交矩在模式识别、图像分析等许多领域都有成功的应用 ,但是由于其计算的复杂性 ,相关的快速算法的研究尚未得到很好的解决 .本文针对一类采用图像块方法描述的图像 ,提出两种快速、有效的计算Legen dre矩的新方法 ,它们分别是累加方法和积分方法 .这两种方法都有效地降低了计算复杂度 ,缩短了计算时间 .

Tchebichef矩的快速算法

为了更有效将Tchebichef矩应用于模式识别和图像分析等领域,提出一种关于Tchebichef矩的快速有效算法.对二值图像采用图像块描述方法,并在推导了Tchebichef多项式一些性质的基础上,实现了一种快速计算Tchebichef矩的新方法.实验结果表明,该方法能够有效地节省计算时间,尤其在图像尺寸较大,以及所使用矩的阶数较高的情况下,该算法的效果更为明显.