公开(公告)号：CN112800871B

公开(公告)日：2022-08-26

申请号：CN202110043727.8

申请日：2021-01-13

Applicant: 南京邮电大学

Inventor： 吴家皋 ,  惠志磊 ,  耿辰 ,  渠啸

IPC: G06V20/56 ,  G06K9/62 ,  G06V10/764 ,  G06V10/84

Abstract: 本发明提出了一种基于注意力机制和关系网络的自动驾驶图像识别方法，首先，使用卷积神经网络提取自动驾驶图像特征；接着，通过注意力机制计算注意力特征；然后，利用关系网络生成图像中对象之间的关系结果；最后通过损失函数训练网络，并用训练好的模型进行自动驾驶场景的关系判断。本发明运用关系网络识别自动驾驶图像，能显式表达图像中对象之间的关系，从而提高识别和推理的准确性；此外，引入了新的注意力机制，降低了模型在处理复杂自动驾驶场景时的计算复杂度，提高了模型有效性和学习效率。

公开(公告)号：CN116108911A

公开(公告)日：2023-05-12

申请号：CN202310127409.9

申请日：2023-02-17

Applicant: 南京邮电大学

Inventor： 董振江 ,  惠志磊 ,  亓晋 ,  孙雁飞 ,  杜霖 ,  文超

IPC: G06N3/082 ,  G06F18/22 ,  G06F18/23

Abstract: 本发明公开了一种深度学习模型的压缩方法、装置及存储介质，包括：获取待压缩的深度学习模型；利用自适应阈值选择器分别对模型各层的权重参数张量和其对应的剪枝阈值向量进行相似度计算，获得模型各层的剪枝自适应阈值；利用自适应细粒度选择器分别对模型各层的权重参数张量进行聚类，获得模型各层的自适应剪枝区域坐标；判断各个自适应剪枝区域的L1范数是否小于对应的剪枝自适应阈值，若是，则将其对应层的自适应剪枝区域坐标的剪枝掩码置为0；若否，将其剪枝掩码置为1；将模型各层中剪枝掩码置为0的自适应剪枝区域坐标对应的权重进行剪枝，得到压缩后的深度学习模型。本发明能够在剪枝效率和剪枝后模型的精度间保持平衡，提高模型计算速度。

公开(公告)号：CN112800871A

公开(公告)日：2021-05-14

申请号：CN202110043727.8

申请日：2021-01-13

Applicant: 南京邮电大学

Inventor： 吴家皋 ,  惠志磊 ,  耿辰 ,  渠啸

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明提出了一种基于注意力机制和关系网络的自动驾驶图像识别方法，首先，使用卷积神经网络提取自动驾驶图像特征；接着，通过注意力机制计算注意力特征；然后，利用关系网络生成图像中对象之间的关系结果；最后通过损失函数训练网络，并用训练好的模型进行自动驾驶场景的关系判断。本发明运用关系网络识别自动驾驶图像，能显式表达图像中对象之间的关系，从而提高识别和推理的准确性；此外，引入了新的注意力机制，降低了模型在处理复杂自动驾驶场景时的计算复杂度，提高了模型有效性和学习效率。