[发明专利]基于分解和剪枝的卷积神经网络压缩方法、系统、装置在审
| 申请号： | 201911029615.6 | 申请日： | 2019-10-28 |
| 公开（公告）号： | CN110782019A | 公开（公告）日： | 2020-02-11 |
| 发明（设计）人： | 胡卫明;刘雨帆;阮晓峰;李兵;原春锋;潘健 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04 |
| 代理公司： | 11576 北京市恒有知识产权代理事务所(普通合伙) | 代理人： | 郭文浩;尹文会 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于人工智能领域，具体涉及一种基于分解和剪枝的卷积神经网络压缩方法、系统、装置，旨在解决采用低秩近似分解或结构化稀疏剪枝进行卷积神经网络压缩，导致压缩力度较小的问题。本系统方法包括将每个待压缩的卷积层后面添加一层系数矩阵表示层；通过低秩近似分解算法对系数矩阵表示层进行稀疏处理，并根据系数矩阵表示层稀疏的位置对对应的卷积层的滤波器进行剪枝处理；采用结构化稀疏剪枝方法对分解后的系数矩阵表示层进行稀疏处理，并根据系数矩阵表示层稀疏的位置对其滤波器进行剪枝处理；对稀疏剪枝处理后的卷积神经网络进行训练。本发明通过将低秩近似分解和结构化稀疏剪枝两种方法融合，解决了单一方法引起的缺陷，提高了压缩力度。 | ||
| 搜索关键词： | 剪枝 稀疏 系数矩阵 表示层 卷积神经网络 压缩 结构化 低秩 分解 滤波器 近似 稀疏处理 卷积 人工智能领域 方法融合 分解算法 | ||
【主权项】：
1.一种基于分解和剪枝的卷积神经网络压缩方法，其特征在于，该方法包括以下步骤：/n步骤S100，获取待压缩的卷积神经网络，将所述卷积神经网络中每个待压缩的卷积层后面添加一层系数矩阵表示层，作为第一网络；/n步骤S200，通过低秩近似分解算法分别对各所述系数矩阵表示层进行稀疏处理，并根据所述系数矩阵表示层稀疏的位置对对应的卷积层的滤波器进行剪枝处理，得到第二网络；/n步骤S300，采用结构化稀疏剪枝方法分别对所述第二网络的各系数矩阵表示层进行稀疏处理，并根据所述系数矩阵表示层稀疏的位置对所述系数矩阵表示层的滤波器进行剪枝处理，得到第三网络；/n步骤S400，对所述第三网络进行训练，将训练完成的网络作为压缩后的卷积神经网络。/n
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中国科学院自动化研究所，未经中国科学院自动化研究所许可，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/201911029615.6/，转载请声明来源钻瓜专利网。
