- 1、本文档共15页,其中可免费阅读14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
本申请公开了一种基于特征分析的自蒸馏学习方法、设备以及可读存储介质,该基于特征分析的自蒸馏学习方法包括:基于卷积神经网络的深度和原始结构,以设定的深度区间将卷积神经网络的卷积层划分为n个部分的特征层,n为正整数且n≥2;将训练集输入卷积神经网络进行训练,获取每一部分特征层的损失函数;基于所有特征层的损失函数优化卷积神经网络,得到训练好的卷积神经网络。通过上述方法,本申请可以通过利用各个不同部分的特征层的损失函数进行蒸馏学习,有效地利用了卷积神经网络的结构信息,提高自蒸馏学习效果。
(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 112862095 A
(43)申请公布日 2021.05.28
(21)申请号 202110146048.3
(22)申请日 2021.02.02
(71)申请人 浙江大华技术股份有限公司
文档评论(0)