申请/专利权人：中国科学院自动化研究所

申请日：2023-12-25

公开（公告）日：2024-04-30

公开（公告）号：CN117953272A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/82;G06V20/13;G06V20/10;G06V10/44;G06V10/80;G06N3/045;G06N3/0464;G06N3/0495

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.17#实质审查的生效;2024.04.30#公开

摘要：本发明提供一种图像分类方法及装置，所述方法包括：获取目标卷积神经网络，目标卷积神经网络是通过对预训练的卷积神经网络进行优化得到的，预训练的卷积神经网络是根据带有类别标签的图像数据进行训练得到的；将待识别图像输入至目标卷积神经网络中，得到目标卷积神经网络输出的待识别图像对应的类别信息；其中，目标卷积神经网络的优化方式包括：将预训练的卷积神经网络中的各个卷积操作层替换为Winograd卷积；对Winograd卷积中的域变换操作和逐元素乘法操作进行量化；对量化后的Winograd卷积进行量化参数和变换矩阵的优化。本发明实现了在确保图像分类效果的同时又节省了卷积神经网络推理的计算资源和时间资源的消耗。

主权项：1.一种图像分类方法，其特征在于，包括：获取目标卷积神经网络，所述目标卷积神经网络是通过对预训练的卷积神经网络进行优化得到的，所述预训练的卷积神经网络是根据带有类别标签的图像数据进行训练得到的；将待识别图像输入至所述目标卷积神经网络中，得到所述目标卷积神经网络输出的所述待识别图像对应的类别信息；其中，所述目标卷积神经网络的优化方式包括：将所述预训练的卷积神经网络中的各个卷积操作层替换为Winograd卷积；对所述Winograd卷积中的域变换操作和逐元素乘法操作进行量化；对量化后的所述Winograd卷积进行量化参数和变换矩阵的优化。

全文数据：

权利要求：

百度查询： 中国科学院自动化研究所 图像分类方法及装置

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