[发明专利]一种基于模型压缩的精子检测算法

权利要求书

1.一种基于模型压缩的精子检测算法，其特征在于：使用分组进行卷积的方式来改变卷积的计算量，将卷积核分组输入特征对应分组然后对应组做乘法最后堆叠到一起；在卷积前对输入特征采取通道重排以确保在进行分组卷积时保证训练时卷积核学到的特征不局限在部分组的特征；然后再将输入特征按通道分成两组，对每一路特征分别进行处理，一组使用1×1分组卷积来对输入特征降维，然后再使用通道重排，再使用深度可分离卷积，减少操作量；对应的另一通道使用3×3平均池化来保证与对应支路的输出特征大小一致，最后再分别对两路做1×1卷积将通道数恢复成目标输出特征的一半再堆叠到一起；并将骨干网络中的卷积操作使用上述卷积代替来减少计算量以待剪枝过程。

2.根据权利要求1所述的一种基于模型压缩的精子检测算法，其特征在于：所述剪枝过程包括以下步骤：首先训练检测网络，之后进行稀疏正则化，之后识别模型的不重要部分，之后进行模型剪枝与模型微调，之后测试精度是否满足要求，若满足要求则结束剪枝，若精度不满足要求则进行剪枝迭代并重复稀疏正则化以下的所有操作。

3.根据权利要求1所述的一种基于模型压缩的精子检测算法，其特征在于：所述网络层为BN层。

4.根据权利要求3所述的一种基于模型压缩的精子检测算法，其特征在于：使用所述BN层中的缩放因子作为依据对网络进行剪枝，利用缩放因子与通道输出的乘积判断通道的重要程度，然后将得分低的通道进行过滤、删减。

5.根据权利要求1所述的一种基于模型压缩的精子检测算法，其特征在于：所述卷积核的大小为f×f×(m+(n-1)*sc)，其中，m+(n-1)*sc为通道长度，f×f×m为该卷积核的单次卷积维度，sc为通道方向的步长，n为输出层。

6.根据权利要求1所述的一种基于模型压缩的精子检测算法，其特征在于：所述深度可分离卷积步骤包括：使用自回归解码器神经网络处理所述编码器神经网络输出以生成解码器神经网络输出，所生成的解码器神经网络输出表示所述目标自然语言。

7.根据权利要求1所述的一种基于模型压缩的精子检测算法，其特征在于：还包括外部存储器，所述外部存储器用于存储输入的待处理图片的像素数据和深度可分离卷积神经网络的权重数据。

8.根据权利要求7所述的一种基于模型压缩的精子检测算法，其特征在于：所述外部存储器连接有特征图缓存模块，所述特征图缓存模块用于暂存从所述外部存储器读取的待处理图片像素数据以及神经网络计算的特征图结果。

9.根据权利要求7所述的一种基于模型压缩的精子检测算法，其特征在于：所述外部存储器连接有权重缓存模块，所述权重缓存模块用于暂存从所述外部存储器读取的深度可分离卷积神经网络的权重数据。

10.根据权利要求2所述的一种基于模型压缩的精子检测算法，其特征在于：所述剪枝为基于深度可分离卷积模块的Mobilenet神经网络。