一种细粒度识别模型的压缩方法和设备
基本信息
| 申请号 | CN202011285432.3 | 申请日 | - |
| 公开（公告）号 | CN112101487B | 公开（公告）日 | 2021-07-16 |
| 申请公布号 | CN112101487B | 申请公布日 | 2021-07-16 |
| 分类号 | G06K9/62;G06N3/08;G06N3/04 | 分类 | 计算；推算；计数; |
| 发明人 | 尹继圣 | 申请（专利权）人 | 深圳感臻智能股份有限公司 |
| 代理机构 | 深圳智趣知识产权代理事务所（普通合伙） | 代理人 | 王策 |
| 地址 | 518000 广东省深圳市南山区粤海街道科技园社区高新中二道5号生产力大楼D401 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明提出一种细粒度识别模型的压缩方法和设备，包括：步骤1、获取用于细粒度识别的深度神经网络模型；步骤2、对深度神经网络模型的缩放因子添加L1正则约束后进行训练；步骤3、在完成训练后，根据缩放因子对训练完成后的深度神经网络模型进行逐层剪枝处理；步骤4、对完成剪枝的深度神经网络模型进行调整以减小剪枝对模型带来的精度损失，得到调整后的深度神经网络模型。步骤5、重复执行步骤2‑步骤4，直到得到的深度神经网络模型符合预设模型剪枝阈值的条件，且将符合条件的深度神经网络模型作为最终模型。本方案通过多次根据缩放因子对训练完成后的深度神经网络模型进行逐层剪枝处理的方式，有效压缩了深度神经网络模型。 |
