一种基于轻量级卷积神经网络的图像分类方法

发明专利有效专利

申请号：
CN202011306236.X
IPC分类号：G06N3/04;G06N3/063;G06N3/08
申请日期：
2020-11-19
申请人：
重庆邮电大学

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	一种基于轻量级卷积神经网络的图像分类方法
申请号	CN202011306236.X	申请日期	2020-11-19
法律状态	授权	申报国家	暂无
公开/公告日	2021-02-26	公开/公告号	CN112418397A
优先权	暂无	优先权号	暂无
主分类号	G06N3/04 ? 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〕 G06N3/04 体系结构，例如，互连拓扑〔7〕	IPC分类号	G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;6;3;;;G;0;6;N;3;/;0;8查看分类表>
申请人	重庆邮电大学	申请人地址	重庆市南岸区黄桷垭崇文路2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	重庆邮电大学	当前权利人	重庆邮电大学
发明人	袁正午;卢晨星;李林
代理机构	北京同恒源知识产权代理有限公司	代理人	赵荣之

摘要

本发明涉及一种基于轻量级卷积神经网络的图像分类方法，属于计算机深度学习领域。该方法设计一种轻量级卷积单元，具体包括：S1：采用逐点卷积对输入特征图进行通道扩张；S2：采用深度卷积对输入特征图的通道进行分组；S3：批量标准化：对输入层和每一中间层的输入做标准化处理；S4：将输入特征图与批量标准化后的特征图进行concat拼接；S5：采用逐点卷积对输出通道进行收缩；S6：将经过步骤S5得到的特征图通过激活函数R_Hard_Swish。本发明相较于大型卷积神经网络，参数量和计算量大幅减少，在准确度性能的表现上相较于其他轻量级卷积神经网络而言效果更好。

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