申请/专利权人：西北工业大学

申请日：2024-03-04

公开（公告）日：2024-04-05

公开（公告）号：CN117829241A

主分类号：G06N3/082

分类号：G06N3/082;G06F18/22;G06N3/0464;G06N3/063

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本申请的实施例涉及网络压缩技术领域，特别涉及一种卷积神经网络的剪枝方法，该方法包括：将样本数据输入至目标模型中，得到目标模型的各层的各滤波器输出的特征图；遍历滤波器，将当前滤波器输出的特征图展平，根据当前滤波器对应的展平后的特征图，计算当前滤波器的内部特征活跃度；计算展平后的特征图两两之间的特征差异度，并根据当前滤波器对应的展平后的特征图与其他滤波器对应的展平后的特征图之间的特征差异度，确定当前滤波器的替代性得分；基于内部特征活跃度和替代性得分，确定重要性得分，并根据预设的剪枝率和重要性得分，对当前层进行剪枝，得到目标模型的轻量化模型，从而实现模型的轻量化，同时保证剪枝后的模型有较高性能。

主权项：1.一种卷积神经网络的剪枝方法，其特征在于，包括：将样本数据输入至目标模型中，逐层逐滤波器地执行卷积操作，得到所述目标模型的各层的各滤波器输出的特征图；其中，所述目标模型是基于卷积神经网络构建的模型，所述滤波器用于表征卷积核；遍历所述目标模型的各层的各滤波器，将当前滤波器输出的特征图展平，根据所述当前滤波器对应的展平后的特征图，计算所述当前滤波器的内部特征活跃度；基于闵氏距离，计算当前层的各滤波器对应的展平后的特征图两两之间的特征差异度，并根据所述当前滤波器对应的展平后的特征图与所述当前滤波器同一层的其他滤波器对应的展平后的特征图之间的特征差异度，确定所述当前滤波器的替代性得分；基于所述当前滤波器的内部特征活跃度和替代性得分，确定所述当前滤波器的重要性得分，并根据预设的剪枝率和所述当前层的各滤波器的重要性得分，对所述当前层进行剪枝；在完成对所述目标模型的各层的剪枝后，得到所述目标模型的轻量化模型。

全文数据：

权利要求：

百度查询： 西北工业大学 一种卷积神经网络的剪枝方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD