龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国电子科技集团公司第二十研究所
申请日：2021-10-07
公开（公告）日：2024-05-17
公开（公告）号：CN113920363B
主分类号：G06V20/80
分类号：G06V20/80;G06V10/764;G06V10/762;G06V10/774;G06V10/80;G06V10/82;G06N3/0464
优先权：
专利状态码：有效-授权
法律状态：2024.05.17#授权;2022.01.28#实质审查的生效;2022.01.11#公开
摘要：本发明提供了一种基于轻量级深度学习网络的文物分类方法，首先构建面向文物图像分类的数据集，然后使用本发明设计的粗粒度聚类神经网络把原始文物图像数据集划分为若干个相对独立的小数据集，针对每个小数据集使用本发明设计的轻量级神经网络分类器对数据进行分类，最后，利用能量预测模型来度量该CNN模型能否部署于资源有限的设备上。本发明能够简化模型结构，加快训练速度，可复用性更强，能够更好地平衡精度与计算量，适合在资源有限的设备上部署。
主权项：1.一种基于轻量级深度学习网络的文物分类方法，其特征在于，包括以下步骤：S1，构建面向文物图像分类的原始图像数据集；S2，使用粗粒度聚类神经网络模型将原始数据集划分成k个小数据集；利用所构建的原始图像数据集对粗粒度聚类模型进行监督训练；S3，分别训练与k个小数据集相对应的分类器，获得k个分类器；将原始图像数据集作为分类器的输入，根据分类器输出特征得到文物图像中文物类别的判别结果；S4，利用能量预测模型来预测深度学习模型能否成功部署于资源有限的设备上，其中，代表整个神经网络的计算量，和分别表示第j个卷积层的输入通道数和输出通道数，第j个卷积层的输入特征图大小为K为卷积核大小，n为整个神经网络的卷积层数，R表示与计算量相关的能量消耗，α为计算量和能量消耗的转换因子；将R值与资源有限设备的最大能耗进行比较，若设备最大能耗大于R则转至步骤S5，否则转至步骤S2，调整超参数α以及监督训练中标准卷积和深度可分离卷积输入输出通道维数；步骤S5：将模型部署到资源有限的设备上进行推理。
全文数据：
权利要求：
百度查询： 中国电子科技集团公司第二十研究所 一种基于轻量级深度学习网络的文物分类方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号