[发明专利]低比特网络的图像识别方法、系统及电子设备

权利要求书

1.一种低比特网络的图像识别方法，其特征在于，包括：

获取待识别图像；

将所述待识别图像输入图像识别模型中，识别所述待识别图像的图像特征；

基于所述待识别图像的图像特征与预存的特征样本，得到所述待识别图像的识别结果；

其中，针对所述图像识别模型的每个网络层，将输入所述网络层的特征值以及所述网络层的浮点权重分别量化为预设第一位宽的特征值数据和预设第二位宽的权重数据，所述预设第一位宽和所述预设第二位宽分别小于量化前的所述特征值的位宽和所述浮点权重的位宽。

2.根据权利要求1所述的低比特网络的图像识别方法，其特征在于，所述将输入所述网络层的特征值以及所述网络层的浮点权重分别量化为预设第一位宽的特征值数据和预设第二位宽的权重数据，包括：

按照第一预设规则，将所述特征值限制在第一预设数值范围内；

基于限制在所述第一预设数值范围内的所述特征值和所述预设位宽，得到所述特征值数据。

3.根据权利要求2所述的低比特网络的图像识别方法，其特征在于，所述第一预设规则为：

当所述特征值小于所述第一预设数值范围的下限值时，将所述特征值设定为等于所述下限值；

当所述特征值处于所述第一预设数值范围内时，保持所述特征值不变；

当所述特征值大于所述第一预设数值范围的上限值时，将所述特征值设定为等于所述上限值。

4.根据权利要求2所述的低比特网络的图像识别方法，其特征在于，所述基于限制在所述第一预设数值范围内的所述特征值和所述预设位宽，得到所述特征值数据，包括：

基于所述预设第一位宽，得到在所述预设第一位宽下的最大值；

将限制在所述第一预设数值范围内的所述特征值和在所述预设第一位宽下的最大值相乘，得到第一乘积；

对所述第一乘积进行取整，得到所述特征值数据。

5.根据权利要求1所述的低比特网络的图像识别方法，其特征在于，所述将输入所述网络层的特征值以及所述网络层的浮点权重分别量化为预设第一位宽的特征值数据和预设第二位宽的权重数据，包括：

按照第二预设规则，将所述浮点权重变换到第二预设数值范围内；

基于变换到所述第二预设数值范围内的所述浮点权重和所述预设第二位宽，得到变换到所述第二预设数值范围内的所述浮点权重的近似值；

按照第三预设规则，将所述浮点权重的近似值变换到第三预设数值范围内；

基于变换到所述第三预设数值范围内的所述浮点权重的近似值和所述预设第二位宽，得到所述权重数据。

6.根据权利要求5所述的低比特网络的图像识别方法，其特征在于，所述第二预设规则为：

w2＝f(w)

其中，w2表示变换到所述第二预设数值范围内的浮点权重；f(w)表示将w2限制在所述第二预设数值范围内的单调递增函数；w表示所述网络层的浮点权重。

7.根据权利要求5所述的低比特网络的图像识别方法，其特征在于，所述基于变换到所述第二预设数值范围内的所述浮点权重和所述预设第二位宽，得到变换到所述第二预设数值范围内的所述浮点权重的近似值，包括：

基于所述预设第二位宽，得到在所述预设第二位宽下的最大值；

将变换到所述第二预设数值范围内的所述浮点权重和在所述预设第二位宽下的最大值相乘，得到第二乘积；

对所述第二乘积进行取整，并除以在所述预设第二位宽下的最大值，得到变换到所述第二预设数值范围内的所述浮点权重的近似值。

8.根据权利要求7所述的低比特网络的图像识别方法，其特征在于，所述第三预设规则为：

w4＝w3*2-1

其中，w4表示变换到第三预设数值范围内的所述浮点权重的近似值；w3表示所述浮点权重的近似值。