公开(公告)号：CN116402114B

公开(公告)日：2025-04-25

申请号：CN202310285049.5

申请日：2023-03-22

Applicant: 苏州大学

Inventor： 姚望舒 ,  薛一帆

IPC: G06N3/082 ,  G06N3/086 ,  G06N3/126 ,  G06N3/006

Abstract: 本发明涉及一种滤波器剪枝方法、系统及电子设备，方法包括：初始化剪枝率向量集合，以此作为当前种群；以当前种群中的剪枝率向量为参考对初始神经网络进行剪枝，并计算对应的适应度值；以适应度值为基准，对当前种群进行选择、交叉和变异，并将变异后种群中适应度值最低若干剪枝率向量进行替换，得到优化种群；判断所述优化种群是否满足预设终止准则，若是，则执行下一步；若否，则返回至剪枝和适应度计算步骤，直至满足预设终止准则；从优化种群中选择适应度值最高的剪枝率向量作为最终剪枝模型；通过最终剪枝模型对待剪枝神经网络中的滤波器进行剪枝。本发明在剪枝过程中保证了种群的多样性，能够对滤波器进行有效剪枝。

公开(公告)号：CN117808071A

公开(公告)日：2024-04-02

申请号：CN202410073197.5

申请日：2024-01-18

Applicant: 苏州大学

Inventor： 姚望舒 ,  薛一帆 ,  姚士佑 ,  彭思源

IPC: G06N3/082 ,  G06N3/0464

Abstract: 本发明涉及一种基于通道关系感知的分层全局剪枝方法和系统，其中，方法包括：骤S1：在CNN模型训练中，计算特征图中通道的关联特征注意力权重和原始特征注意力权重；步骤S2：根据所述关联特征注意力权重和原始特征注意力权重得到关系感知注意力权重，并根据CNN模型训练数据对所述关系感知注意力权重取平均，并将取平均结果作为特征图中通道的重要性分数；步骤S3：根据所述特征图中通道的重要性分数对特征图的通道进行剪枝。本发明在剪枝过程中考虑了通道之间的相互依赖关系，能够对通道进行有效剪枝。

公开(公告)号：CN116630918A

公开(公告)日：2023-08-22

申请号：CN202310514016.3

申请日：2023-05-09

Applicant: 苏州大学

Inventor： 姚望舒 ,  彭思源 ,  薛一帆

IPC: G06V20/56 ,  G06N3/08 ,  G06V10/82 ,  G06V10/762 ,  G06V10/46 ,  G06N3/0464

Abstract: 本发明涉及图像处理和车辆智能驾驶领域，提供了一种基于矩形注意力机制的车道线检测方法，步骤包括：获取车道线图像，将所述车道线图像输入到已训练收敛的基于矩形注意力机制的车道线检测模型中进行下采样，将所述下采样后的特征图通过注意力机制网络得到注意力加权后的特征图，将所述注意力加权后的特征图上采样，将上采样后的特征图通过关键点检测网络得到包含车道线起始点在内的所有关键点坐标，采用基于距离的聚类网络，通过关键点坐标与其所属起始点间的偏移量来将关键点聚类为车道线实例。本发明解决了自动驾驶中存在的难检测车道线场景，提高了模型的推理速度和预测准确度。

公开(公告)号：CN116402114A

公开(公告)日：2023-07-07

申请号：CN202310285049.5

申请日：2023-03-22

Applicant: 苏州大学

Inventor： 姚望舒 ,  薛一帆

IPC: G06N3/082 ,  G06N3/086 ,  G06N3/126 ,  G06N3/006

Abstract: 本发明涉及一种滤波器剪枝方法、系统及电子设备，方法包括：初始化剪枝率向量集合，以此作为当前种群；以当前种群中的剪枝率向量为参考对初始神经网络进行剪枝，并计算对应的适应度值；以适应度值为基准，对当前种群进行选择、交叉和变异，并将变异后种群中适应度值最低若干剪枝率向量进行替换，得到优化种群；判断所述优化种群是否满足预设终止准则，若是，则执行下一步；若否，则返回至剪枝和适应度计算步骤，直至满足预设终止准则；从优化种群中选择适应度值最高的剪枝率向量作为最终剪枝模型；通过最终剪枝模型对待剪枝神经网络中的滤波器进行剪枝。本发明在剪枝过程中保证了种群的多样性，能够对滤波器进行有效剪枝。