[发明专利]基于特征图通道重要性的深度学习目标检测网络压缩方法有效
| 申请号： | 202011146960.0 | 申请日： | 2020-10-23 |
| 公开（公告）号： | CN112288084B | 公开（公告）日： | 2022-09-02 |
| 发明（设计）人： | 何楚;童鸣;李盛林;王文伟 | 申请（专利权）人： | 武汉大学 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06N3/04;G06V10/82;G06V10/774;G06V20/10 |
| 代理公司： | 武汉科皓知识产权代理事务所(特殊普通合伙) 42222 | 代理人： | 鲁力 |
| 地址： | 430072 湖*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 为了解决传统深度学习网络压缩方法不适用于需要精确回归检测坐标的目标检测网络、方法泛用性差且对网络精度损失大的问题，通过将引入特征图通道级稀疏化概念，使压缩方法在可实现性和灵活性上实现较好的折中，能有效应用到任何典型的目标检测网络。本发明公开了一种基于特征图通道重要性的深度学习目标检测网络压缩方法，采取引入BN层gamma参数作为衡量特征图通道重要性程度因子的方法，通过在训练损失函数中加入该参数稀疏化因子，在几乎不损失网络检测精度情况下，实现对目标检测网络的参数压缩。 | ||
| 搜索关键词： | 基于 特征 通道 重要性 深度 学习 目标 检测 网络 压缩 方法 | ||
【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武汉大学，未经武汉大学许可，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/202011146960.0/，转载请声明来源钻瓜专利网。
- 上一篇：一种车辆密封性检测装置和系统
- 下一篇：一种多屏协同系统中设备查找的方法
