- 1、本文档共7页,其中可免费阅读6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
本发明提供了一种面向遥感应用的卷积神经网络剪枝和量化同步压缩方法,与其他的卷积神经网络剪枝和量化压缩方法相比,本方法融合了模型剪枝和量化过程,实现了卷积神经网络模型的同步剪枝和量化,在提高模型参数压缩比例的同时,减少了模型压缩后的精度损失;对剪枝和量化后的模型进行再训练,可以得到更为精确的参数数值,提高网络精度;设定编码时需要遵守的规则度约束条件,即在实际的遥感平台处理器中对卷积神经网络模型进行实现时,对同一层中的不同滤波器处于相同位置的卷积核同时剪枝可以提高计算单元的通用程度,并提高计算的并行
(19)国家知识产权局
(12)发明专利
(10)授权公告号 CN 113408723 B
(45)授权公告日 2023.04.07
(21)申请号 202110545477.8 G06N 3/0464 (2023.01)
(22)申请日 2021.0
文档评论(0)