[发明专利]互联网暴恐视频识别模型的优化方法及装置

权利要求书

1.一种互联网暴恐视频识别模型的优化方法，其特征在于，包括：

获取互联网暴恐视频识别模型的卷积神经网络中各个层的卷积核的各个通道的参数；

根据所述各个通道的参数判断是否丢弃对应的通道，如果判断为是，执行通道丢弃操作。

2.如权利要求1所述的方法，其特征在于，根据所述各个通道的参数判断是否丢弃对应的通道，如果判断为是，执行通道丢弃操作具体包括：

计算同一个通道的参数的绝对值之和，判断所述绝对值之和是否小于或等于预先设置的参数阈值，如果判断为是，则将相应的通道丢弃。

3.如权利要求1所述的方法，其特征在于，所述方法进一步包括：

将互联网暴恐视频识别模型的数据和参数转化为以8-bit整数的形式供计算机处理。

4.如权利要求3所述的方法，其特征在于，将互联网暴恐视频识别模型的数据和参数转化为以8-bit整数的形式供计算机处理具体包括：

输入浮点数类型的数据和参数，对所述数据和参数进行初步的int8量化，得到量化数据、数据的最大值和最小值、量化参数、以及参数的最大值和最小值；

对所述量化数据、数据的最大值和最小值、量化参数、以及参数的最大值和最小值进行卷积操作，输出32-bit整数的量化卷积结果、量化结果的最大值和最小值；

对所述32-bit整数的量化卷积结果、量化结果的最大值和最小值进行复量化，得到8-bit整数的量化卷积结果、量化结果的最大值和最小值；

根据所述8-bit整数的量化卷积结果、量化结果的最大值和最小值还原为浮点数类型的数据和参数。

5.一种互联网暴恐视频识别模型的优化装置，其特征在于，包括：

获取模块，用于获取互联网暴恐视频识别模型的卷积神经网络中各个层的卷积核的各个通道的参数；

判断模块，用于根据所述各个通道的参数判断是否丢弃对应的通道，如果判断为是，执行通道丢弃操作。

6.如权利要求5所述的装置，其特征在于，所述判断模块具体用于：

计算同一个通道的参数的绝对值之和，判断所述绝对值之和是否小于或等于预先设置的参数阈值，如果判断为是，则将相应的通道丢弃。

7.如权利要求5所述的装置，其特征在于，所述装置进一步包括：

Int8量化模块，用于将互联网暴恐视频识别模型的数据和参数转化为以8-bit整数的形式供计算机处理。

8.如权利要求7所述的装置，其特征在于，Int8量化模块具体用于：

输入浮点数类型的数据和参数，对所述数据和参数进行初步的int8量化，得到量化数据、数据的最大值和最小值、量化参数、以及参数的最大值和最小值；

对所述量化数据、数据的最大值和最小值、量化参数、以及参数的最大值和最小值进行卷积操作，输出32-bit整数的量化卷积结果、量化结果的最大值和最小值；

对所述32-bit整数的量化卷积结果、量化结果的最大值和最小值进行复量化，得到8-bit整数的量化卷积结果、量化结果的最大值和最小值；

根据所述8-bit整数的量化卷积结果、量化结果的最大值和最小值还原为浮点数类型的数据和参数。

9.一种互联网暴恐视频识别模型的优化装置，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的互联网暴恐视频识别模型的优化方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有信息传递的实现程序，所述程序被处理器执行时实现如权利要求1至4中任一项所述的互联网暴恐视频识别模型的优化方法的步骤。