公开(公告)号：CN108765506B

公开(公告)日：2021-01-29

申请号：CN201810487253.4

申请日：2018-05-21

Applicant: 上海交通大学

Inventor： 徐奕 ,  倪冰冰 ,  庄丽学

IPC: G06T9/00

Abstract: 本发明提供了一种基于逐层网络二值化的压缩方法，包括：构建浮点型的深度卷积神经网络；按照所述深度卷积神经网络的层级深度的相反顺序由深及浅地将网络中的参数逐层二值化，直至所述深度卷积神经网络中的所有层级均被二值化，得到二值化的深度卷积神经网络；通过所述二值化的深度卷积神经网络进行行人检测。从而实现了网络的压缩与加速，又有效地解决了由于网络量化造成的大幅度的精度损失的问题。

公开(公告)号：CN108765506A

公开(公告)日：2018-11-06

申请号：CN201810487253.4

申请日：2018-05-21

Applicant: 上海交通大学

Inventor： 徐奕 ,  倪冰冰 ,  庄丽学

IPC: G06T9/00

Abstract: 本发明提供了一种基于逐层网络二值化的压缩方法，包括：构建浮点型的深度卷积神经网络；按照所述深度卷积神经网络的层级深度的相反顺序由深及浅地将网络中的参数逐层二值化，直至所述深度卷积神经网络中的所有层级均被二值化，得到二值化的深度卷积神经网络；通过所述二值化的深度卷积神经网络进行行人检测。从而实现了网络的压缩与加速，又有效地解决了由于网络量化造成的大幅度的精度损失的问题。