针对资源受限设备视频处理的深度学习网络裁剪方法

发明专利有效专利

申请号：
CN202010931287.5
IPC分类号：G06N3/08;G06N3/04
申请日期：
2020-09-07
申请人：
南京理工大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	针对资源受限设备视频处理的深度学习网络裁剪方法
申请号	CN202010931287.5	申请日期	2020-09-07
法律状态	实质审查	申报国家	中国
公开/公告日	2020-12-22	公开/公告号	CN112116089A
优先权	暂无	优先权号	暂无
主分类号	G06N3/08 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/08 学习方法〔7〕	IPC分类号	G;0;6;N;3;/;0;8;;;G;0;6;N;3;/;0;4查看分类表>
申请人	南京理工大学	申请人地址	江苏省南京市玄武区孝陵卫200号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	南京理工大学	当前权利人	南京理工大学
发明人	纪程;吴超;薛春;周明亮
代理机构	南京理工大学专利中心	代理人	岑丹

摘要

本发明提出了一种针对资源受限设备视频处理的深度学习网络裁剪方法，具体步骤为：根据网络收敛精度，确定子网络个数；根据确定的子网络个数将深度学习网络分成若干个独立子网络；采用group LASSO算法对每个子网络进行稀疏化处理，使可裁剪的网络权重逼近0；计算每一个子网络的所有权重和，将权重和小于设定阈值的子网络进行裁剪。本发明能够对神经网络进行稀疏化裁剪，移除不必要的权重分支网络，通过本发明，提高了计算效率，降低了计算开销。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供