-
公开(公告)号：CN115359318A
公开(公告)日：2022-11-18
申请号：CN202211013474.0
申请日：2022-08-23
Applicant: 桂林理工大学
IPC: G06V10/774 , G06N3/04 , G06N3/08 , G06V10/82
Abstract: 本发明公开了一种基于双注意力机制的稀疏剪枝方法，该方法在保证性能精度较好的条件下高效压缩网络模型大小和参数量。根据空间注意力和通道注意力理论，融合通道注意力和空间注意力机制模块筛选注意力位于网络模型中最佳结构，随后根据网络中不同权重所对应的掩码来选择性保留和剔除相对应权重，通过掩码矩阵来更新和完成剪枝操作，同时根据神经网络总体空间损失实时更新掩码矩阵和权重矩阵。通过Pytorch深度学习框架来不断更新网络权重，并根据掩码矩阵对神经网络进行剪枝操作。实验结果表明本方法在对公共数据集进行性能测试时识别准确率较高，并且网络中剔除了较多冗余参数，使得网络模型得到有效压缩。
-
公开(公告)号：CN113837926A
公开(公告)日：2021-12-24
申请号：CN202111035198.3
申请日：2021-09-05
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于均值标准差的图像迁移方法，该方法构造了特征空间来存储不同滤波器的特征信息，在不同网络层实现不同的归一化统计量，从而更好地获得多尺度和稳定的特征，不需要对真实数据进行训练，可灵活进行风格转移。根据CNN理论分析，在此基础对高层网络重构的特征信息进建提取，去除FC层和soft‑max层来提高运行效率。实验结果表明本文均值标准差算法在进行风格迁移过程中性能优于Gram算法，风格转移的扭曲效果小，时间运行效率提高了30倍左右。
-
公开(公告)号：CN112907432A
公开(公告)日：2021-06-04
申请号：CN202110248354.8
申请日：2021-03-08
Applicant: 桂林理工大学
IPC: G06T1/00
Abstract: 本发明公开了一种基于差值直方图和双线性插值的可逆信息隐藏方法，该方法提高了信息的嵌入容量和减小嵌入信息后的图像的失真程度。根据直方图平移的理论，在直方图的零点处或最小点对像素灰度值修改，将信息嵌入到图像中，在双线性插值的基础上对相邻像素进行插值并构造差值数组，选择在峰值处两侧进行信息嵌入，同时还解决了图像的像素值溢出问题。通过MATLAB仿真软件对载体图像进行信息的嵌入、提取以及原载体图像的恢复实验。实验结果表明本方法在嵌入图像水印信息后，对载体图像的影响较小，具有较好的视觉效果。
-
公开(公告)号：CN115346087A
公开(公告)日：2022-11-15
申请号：CN202211013515.6
申请日：2022-08-23
Applicant: 桂林理工大学
IPC: G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于非结构剪枝稀疏性网络训练方法：该方法剔除网络模型中大量冗余参数，同时加速优化网络内部结构，提高神经网络识别精度。通过引入随机掩码进行初始化网络模型，设定预期的网络权重比例和稀疏度剔除对精度贡献较小的权重参数，线性缩放网络权重保留比例且遍历网络模型中参数，最后进行迭代权重训练，提高网络模型训练效率，进而得到较为精简网络模型。实验结果表明该方法在基于公共数据集CIFAR10、CIFAR100在较大剪枝率条件下采用ResNet、VGG网络架构时模型精度分别达到较高准确度。该方法可以有效简化网络模型中参数量，可以应用于网络模型压缩，实现高效神经网络在资源受限设备中的移植部署与应用。
-
-
-
Search Results
4
records
(took 0.011 seconds)
