“钟鲁豪”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种基于特征融合和视觉感受野网络的多尺度人脸检测方法-CN202010418338.4有效
发明人：刘欣刚;王文涵;钟鲁豪;李辰琦;汪卫彬;朱超 -专利权人：电子科技大学
申请日： 2020-05-18 - 公布日： 2023-06-30 - 主分类号： G06V40/16 文献下载
摘要：本发明提出一种基于特征融合和视觉感受野网络的多尺度人脸检测方法，以VGG‑16为基础网络，由视觉感受野网络、空洞卷积网络共同组成本发明的网络结构，同时增加了网络的宽度和深度。在不同的卷积层提取不同分辨率的特征，根据不同层的分辨率采用不同方法提取候选框。在较低层的特征上，采用随机密集采样获取大量小尺度候选框，尽可能地匹配到更多真实样本。又通过对不同层的特征进行融合，使得融合特征同时包含了高低层的信息。高层特征适用于大尺度人脸的检测，低层特征适用于小尺度人脸的检测。本发明对于多尺度人脸尤其是小尺度人脸具有较好的检测效果。
一种基于特征融合视觉感受网络尺度检测方法

[发明专利]基于多级剪枝的结构化网络模型压缩加速方法-CN201910820048.X有效
发明人：刘欣刚;吴立帅;钟鲁豪;韩硕;王文涵;代成 -专利权人：电子科技大学
申请日： 2019-08-31 - 公布日： 2022-07-29 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于多级剪枝的结构化网络模型压缩加速方法，属于模型压缩加速技术领域。本发明包括如下步骤：获取预训练模型，训练得到初始完备网络模型；测量卷积层敏感度，通过控制变量获得各个卷积层的敏感度‑剪枝率曲线；按照敏感度次序从低到高进行单层剪枝，微调重训练网络模型；选取样本作为验证集，测量滤波器输出特征图的信息熵；根据输出熵大小次序进行迭代柔性剪枝，微调重训练网络模型；硬性剪枝，对网络模型进行重训练恢复网络性能，得到并保存轻量级模型。本发明可以在保持原有网络性能的前提下，对大规模卷积神经网络进行压缩，能够缩减网络的本地内存占用，减少运行时的浮点运算和显存占用，实现网络的轻量化。
基于多级剪枝结构网络模型压缩加速方法

[发明专利]一种基于身份保持循环式生成式对抗网络的步态识别方法-CN201910820059.8有效
发明人：刘欣刚;汪卫彬;李辰琦;孙睿成;代成;王文涵;钟鲁豪 -专利权人：电子科技大学
申请日： 2019-08-31 - 公布日： 2022-03-15 - 主分类号： G06V30/148 文献下载
摘要：本发明公开了一种基于身份保持循环式生成式对抗网络的步态识别方法，包括如下步骤：利用高斯背景建模方法得到步态前景得到步态能量图；通过身份保持循环式生成式对抗网络，实现步态图像的状态转换；提取目标步态视角的步态能量图的特征向量，进行步态识别处理。本发明基于身份保持循环式生成式对抗网络的步态识别方法，可以实现对步态图像转化过程的更为细致更为准确的控制，以解决步态识别中受测者状态与数据库状态不匹配的问题，可以很大程度上扩展提高步态识别的准确率以及其应用范围。
一种基于身份保持循环生成对抗网络步态识别方法

[发明专利]一种神经网络压缩方法、设备及计算机可读存储介质-CN202011488041.1在审
发明人： 钟鲁豪;潘华东;郑佳 -专利权人：浙江大华技术股份有限公司
申请日： 2020-12-16 - 公布日： 2021-03-12 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种神经网络压缩方法、设备及计算机可读存储介质，该神经网络压缩方法包括：获取待压缩神经网络中多个滤波器的多个滤波器参数；将多个滤波器参数进行聚合分析，计算每个滤波器参数的特征值；基于滤波器参数的特征值对待压缩神经网络进行剪枝，得到被压缩的神经网络。通过上述方式，本发明能够保留神经网络模型更多的全局特征。
一种神经网络压缩方法设备计算机可读存储介质

[发明专利]基于剪枝阈值自动搜索的深度神经网络模型压缩方法-CN201910820043.7在审
发明人：刘欣刚;钟鲁豪;朱超;王文涵;吴立帅;代成 -专利权人：电子科技大学
申请日： 2019-08-31 - 公布日： 2020-01-10 - 主分类号： G06N3/08 文献下载
摘要：本发明公开了一种基于剪枝阈值自动搜索的深度神经网络模型压缩方法，属于深度神经网络模型压缩领域。本发明包括下列步骤：模型训练，得到用于剪枝的初始模型；对模型参数进行自适应网格搜索得到第一剪枝阈值；结合二分搜索法对第一剪枝阈值对应的阈值区间进一步搜小，寻找更优阈值大小，得到第二剪枝阈值；基于第二剪枝阈值对原始网络模型进行迭代剪枝处理；对剪枝后的模型进行稀疏存储，得到可使用的压缩网络模型。本发明提出的基于剪枝阈值自动搜索的深度神经网络模型压缩方法，可以对现有主要的深度神经网络模型进行压缩，解决了深度神经网络模型因为模型大导致无法部署到嵌入式设备上的技术问题，扩展了深度神经网络模型的应用范围。
剪枝神经网络模型压缩自动搜索二分搜索法嵌入式设备初始模型模型参数模型训练网格搜索网络模型原始网络阈值区间自适应迭代稀疏存储应用部署