公开(公告)号：CN120014234A

公开(公告)日：2025-05-16

申请号：CN202510092114.1

申请日：2025-01-21

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 吴志昊 ,  徐勇 ,  罗荣 ,  完颜娟

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于误分类修正的弱监督目标检测方法、系统、电子设备及存储介质，方法包括利用卷积神经网络提取目标候选位置的区域特征；通过分类器对提取的区域特征分配所属类别标签；根据类别间的置信度差异，设计误分类修正驱动的标签分配模块，以识别误分类情况并予以修正，并重新分配标签用于目标检测模型训练。本发明方法通过修正训练阶段生成的错误类别标签，显著提高弱监督目标检测方法的分类性能。

公开(公告)号：CN111652366A

公开(公告)日：2020-09-11

申请号：CN202010388100.1

申请日：2020-05-09

Applicant: 哈尔滨工业大学

Inventor： 徐磊 ,  何林 ,  苏华友 ,  刘小龙 ,  罗荣 ,  张海涛 ,  李君宝

IPC: G06N3/08 ,  G06N3/04

Abstract: 本发明公开了一种基于通道剪枝和量化训练的联合神经网络模型压缩方法。步骤1：稀疏化训练模型；步骤2：训练模型剪枝；步骤3：模型微调；步骤4：对剪枝结束后的模型进行量化，构建常规浮点数计算图；步骤5：在计算图中卷积计算的相应位置插入伪量化模块，在卷积权重处和激活值处插入两个伪量化模块，将权重和激活值量化为8位整型；步骤6：动态量化训练模型直至收敛；步骤7：量化推理；步骤8：最后得到剪枝与量化后的模型。本发明通过剪枝和量化两种技术，在保持模型准确率的情况下，极大地降低模型时间和空间上的消耗。