[发明专利]卷积神经网络的优化及快速目标检测方法、装置在审
| 申请号： | 201910258160.9 | 申请日： | 2019-04-01 |
| 公开（公告）号： | CN110059733A | 公开（公告）日： | 2019-07-26 |
| 发明（设计）人： | 张峰;肖潇;晋兆龙 | 申请（专利权）人： | 苏州科达科技股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京三聚阳光知识产权代理有限公司 11250 | 代理人： | 李钦晓 |
| 地址： | 215011 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了卷积神经网络的优化及快速目标检测方法、装置，该优化方法包括：获取采用浮点型样本图像数据训练好的第一卷积模型；第一卷积模型中的BN层操作位于卷积层操作之后，用于将卷积层操作后得到的数值归一化至预定数据范围；根据BN层的参数调整卷积层的参数；并删除BN层，得到调整后的第二卷积模型；在第二卷积模型中卷积层的卷积操作之前添加量化层，得到第三卷积模型；量化层用于将输入数据量化至预定比特位的整型数据，卷积层以预定比特位的整型数据执行卷积操作。本发明通过优化卷积操作解决了模型体量较大、运行速度较慢的问题。 | ||
| 搜索关键词： | 卷积 卷积神经网络 预定比特位 快速目标 整型数据 量化层 优化 样本图像数据 参数调整 预定数据 归一化 检测 浮点 删除 量化 | ||
【主权项】：
1.一种卷积神经网络的优化方法，其特征在于，包括：获取采用浮点型样本图像数据训练好的第一卷积模型；所述浮点型样本图像数据为整型的样本图像数据被归一化至预定数据范围后所得的数据；所述第一卷积模型中的BN层操作位于卷积层操作之后，用于将卷积层操作后得到的数值归一化至预定数据范围；利用所述BN层的参数调整所述卷积层的参数；并删除所述BN层，得到调整后的第二卷积模型；在所述第二卷积模型中卷积层的卷积操作之前添加量化层，得到第三卷积模型；所述量化层用于将输入数据量化至预定比特位的整型数据，所述卷积层以所述预定比特位的整型数据执行卷积操作。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于苏州科达科技股份有限公司，未经苏州科达科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910258160.9/，转载请声明来源钻瓜专利网。
