[发明专利]一种图像分类方法、装置、设备及计算机可读存储介质有效
| 申请号： | 201911041052.2 | 申请日： | 2019-10-25 |
| 公开（公告）号： | CN110782021B | 公开（公告）日： | 2023-07-14 |
| 发明（设计）人： | 梁玲燕;董刚;赵雅倩;曹其春 | 申请（专利权）人： | 浪潮电子信息产业股份有限公司 |
| 主分类号： | G06N3/0464 | 分类号： | G06N3/0464;G06N3/082 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 侯珊 |
| 地址： | 250101 山东*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种图像分类方法，包括：接收待分类图像信息；利用通过对比裁剪量化误差和max量化误差选取得到的量化阈值进行权重参数量化后的深度神经网络模型，对待分类图像信息进行分类操作，得到图像分类结果；其中，裁剪量化误差为基于深度神经网络模型的原权重参数计算得到的裁剪阈值进行权重参数量化得到，max量化误差为基于深度神经网络模型的原权重参数计算得到的最大绝对值权重阈值进行权重参数量化得到；输出图像分类结果。本发明缩小了图像分类设备中深度神经网络模型，保证了模型精度，降低了计算量，提高了图像分类效果。本发明还公开了一种图像分类装置、设备及存储介质，具有相应技术效果。 | ||
| 搜索关键词： | 一种 图像 分类 方法 装置 设备 计算机 可读 存储 介质 | ||
【主权项】：
1.一种图像分类方法，其特征在于，包括：/n接收待分类图像信息；/n利用通过对比裁剪量化误差和max量化误差选取得到的量化阈值进行权重参数量化后的深度神经网络模型，对所述待分类图像信息进行分类操作，得到图像分类结果；其中，所述裁剪量化误差为基于所述深度神经网络模型的原权重参数计算得到的裁剪阈值进行权重参数量化得到，所述max量化误差为基于所述深度神经网络模型的原权重参数计算得到的最大绝对值权重阈值进行权重参数量化得到；/n输出所述图像分类结果。/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浪潮电子信息产业股份有限公司，未经浪潮电子信息产业股份有限公司许可，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/201911041052.2/，转载请声明来源钻瓜专利网。
- 彩色图像和单色图像的图像处理
- 图像编码/图像解码方法以及图像编码/图像解码装置
- 图像处理装置、图像形成装置、图像读取装置、图像处理方法
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像解密方法、图像加密方法、图像解密装置、图像加密装置、图像解密程序以及图像加密程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序以及图像解码程序
- 图像编码方法、图像解码方法、图像编码装置、图像解码装置、图像编码程序、以及图像解码程序
- 图像形成设备、图像形成系统和图像形成方法
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
- 图像编码装置、图像编码方法、图像编码程序、图像解码装置、图像解码方法及图像解码程序
