公开(公告)号：CN112734010B

公开(公告)日：2024-04-16

申请号：CN202110010138.X

申请日：2021-01-04

Applicant: 暨南大学

Inventor： 易清明 ,  曾宪鹏 ,  石敏

IPC: G06N3/0495 ,  G06N3/0464 ,  G06N3/082 ,  G06V10/82 ,  G06N3/048

Abstract: 本发明公开了一种适用于图像识别的卷积神经网络模型压缩方法，属于卷积神经网络模型压缩技术领域。本发明首先确定所选需要压缩的卷积神经网络应包含一个以上的卷积层，并且在每个卷积层中都存在多个卷积核过滤器，每个卷积核过滤器都存在多个通道，每个通道都是一个卷积核，每个卷积核都与一个输入特征图相对应；其次依次计算各个卷积层卷积核参数量的大小，确定最大值裁剪的顺序；最终按照最大值裁剪顺序，依据权重和标准对各层卷积核进行裁剪，完成所有卷积层的裁剪操作。本发明通过在权重和评价卷积核重要性的基础上，引入了最大值裁剪策略，能够弥补卷积层层间冗余差异性所带来的裁剪不彻底的问题，有效地压缩卷积神经网模型。

公开(公告)号：CN112734010A

公开(公告)日：2021-04-30

申请号：CN202110010138.X

申请日：2021-01-04

Applicant: 暨南大学

Inventor： 易清明 ,  曾宪鹏 ,  石敏

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/00

Abstract: 本发明公开了一种适用于图像识别的卷积神经网络模型压缩方法，属于卷积神经网络模型压缩技术领域。本发明首先确定所选需要压缩的卷积神经网络应包含一个以上的卷积层，并且在每个卷积层中都存在多个卷积核过滤器，每个卷积核过滤器都存在多个通道，每个通道都是一个卷积核，每个卷积核都与一个输入特征图相对应；其次依次计算各个卷积层卷积核参数量的大小，确定最大值裁剪的顺序；最终按照最大值裁剪顺序，依据权重和标准对各层卷积核进行裁剪，完成所有卷积层的裁剪操作。本发明通过在权重和评价卷积核重要性的基础上，引入了最大值裁剪策略，能够弥补卷积层层间冗余差异性所带来的裁剪不彻底的问题，有效地压缩卷积神经网模型。