基于迁移学习的深度残差卷积神经网络的自适应压缩方法

发明专利有效专利

申请号：
CN201910988909.5
IPC分类号：G06N3/04;G06N3/08
申请日期：
2019-10-17
申请人：
北京航空航天大学

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	基于迁移学习的深度残差卷积神经网络的自适应压缩方法
申请号	CN201910988909.5	申请日期	2019-10-17
法律状态	实质审查	申报国家	中国
公开/公告日	2020-02-14	公开/公告号	CN110796233A
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;8查看分类表>
申请人	北京航空航天大学	申请人地址	北京市海淀区学院路37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	北京航空航天大学	当前权利人	北京航空航天大学
发明人	姜宏旭;李浩;李波;黄双喜;李晓斌
代理机构	北京慕达星云知识产权代理事务所（特殊普通合伙）	代理人	曹鹏飞

摘要

本发明公开的一种基于迁移学习的深度残差卷积神经网络模型自适应压缩方法，通过原网络模型结构的网络层组成分析，对网络结构进行分组，构建结构相似但体积更小的轻量化模型，提取原网络模型与轻量化模型的结构信息，再根据原网络模型的网络层分组，比较轻量化模型与原网络模型各组输出的特征图区别，二者共同指导轻量化模型进行阶段性参数更新，直至轻量化模型的各分组与原网络模型近似，其次将原网络模型的输出分类信息进行分类软化，诱导轻量化模型进行训练，最终轻量化模型继承原网络模型的检测性能。本发明适用于FPGA计算的深度卷积深度网络轻量化的压缩算法，节省FPGA上的硬件资源消耗，保证模型推理精度的同时提高了模型推理速度。

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