- 1、本文档共8页,其中可免费阅读7页,需付费10金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种卷积神经网络模型的压缩方法,通过可恢复式信息挤压方式在获得更紧凑卷积神经网络模型的过程中,克服了特征图信息量与滤波器重要性间不绝对对应关系所带来的精度跌落风险;其通过可恢复机制,将实际有价值的滤波器保留,将真正不重要的滤波器剔除。相比单纯根据特征图信息量做裁决的一刀切式网络修剪方案,可恢复式信息挤压方式有效降低了有价值滤波器被误删的风险,从而进一步提升了深度神经网络模型的压缩效率,更大限度地减少了网络的参数量与计算量。实验结果表明,通过与已有方法相比,本方法更具优越性。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 112836817 A
(43)申请公布日
2021.05.25
(21)申请号 20191
文档评论(0)