[发明专利]一种基于结构化剪枝的高效图像分类方法有效
| 申请号： | 201910701012.X | 申请日： | 2019-07-31 |
| 公开（公告）号： | CN110598731B | 公开（公告）日： | 2021-08-20 |
| 发明（设计）人： | 胡浩基;李翔;王欢 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 应孔月 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于结构化剪枝的高效图像分类方法，其结合基于增量正则化的空间剪枝方法，包括图像数据预处理、图像送入神经网络、网络模型剪枝及重训练、新图像类别预测及分类等步骤。本发明采用一种结构化剪枝的方法对原始网络模型中不重要的权重参数进行修剪，以减少网络模型在进行图像分类时产生的不必要计算量和内存消耗，达到简化图像分类器的效果，最后，利用稀疏后的网络模型对新的图像进行类别的预测与分类。本发明提出的简化方法相比原始网络在图像分类算法中的分类效率提升了近2倍，同时内存消耗减少约30％，并获得了更好的分类效果。 | ||
| 搜索关键词： | 一种 基于 结构 剪枝 高效 图像 分类 方法 | ||
【主权项】：
1.一种基于结构化剪枝的高效图像分类方法，其特征在于，具体包括以下步骤：/n(1)获取图像的训练集和测试集，对训练集和测试集中的图像进行类别标注；/n(2)对所有训练集和测试集中的图像进行预处理操作；/n(3)采用预训练好的神经网络模型作为原始的图像分类器，然后将步骤(2)预处理后的图像批量送入神经网络，进行迭代训练，在训练的过程中对原始网络模型进行修剪，剪枝主要包含以下步骤：/n(3.1)对于模型的各个卷积层，对四维权值张量W
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浙江大学，未经浙江大学许可，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/201910701012.X/，转载请声明来源钻瓜专利网。
- 上一篇：基于决策树的航迹关联算法
- 下一篇：一种基于图像识别的植物健康检测方法及装置
