[发明专利]基于特征迁移的低比特神经网络训练方法及系统有效
| 申请号： | 202010780010.7 | 申请日： | 2020-08-05 |
| 公开（公告）号： | CN111967580B | 公开（公告）日： | 2023-09-29 |
| 发明（设计）人： | 张娅;杜昆原;王延峰 | 申请（专利权）人： | 上海交通大学 |
| 主分类号： | G06N3/0464 | 分类号： | G06N3/0464;G06N3/084;G06V10/764;G06V10/82 |
| 代理公司： | 上海段和段律师事务所 31334 | 代理人： | 李佳俊;郭国中 |
| 地址： | 200240 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于迁移学习的低比特神经网络训练方法及系统，包括：低比特特征提取步骤：对训练数据集的图像，使用低比特深度卷积神经网络提取图像的低比特特征图；全精度特征提取步骤：对训练数据集的图像，使用全精度深度卷积神经网络提取图像的全精度特征图；特征对齐步骤：根据低比特特征图和全精度特征图，通过特征迁移，在特征对齐的约束下，协同训练全精度深度卷积神经网络和低比特深度卷积神经网络，使得低比特特征图和全精度特征图对齐；低比特预测步骤：根据训练后的低比特深度卷积神经网络实现图像类型的预测；本发明通过直接对连续空间的全精度特征图进行特征迁移，避免了因量化造成的特征细节损失。 | ||
| 搜索关键词： | 基于 特征 迁移 比特 神经网络 训练 方法 系统 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于上海交通大学，未经上海交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010780010.7/，转载请声明来源钻瓜专利网。
