公开(公告)号：CN111967528B

公开(公告)日：2023-12-26

申请号：CN202010876709.3

申请日：2020-08-27

Applicant: 北京大学

Inventor： 林宙辰 ,  杨一博 ,  李宏扬 ,  游山 ,  王飞 ,  钱晨

IPC: G06V10/82 ,  G06V10/77 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明公布了一种基于稀疏编码的深度学习网络结构搜索的图像识别方法，将基于梯度的可微分网络模型结构进行优化，构造用于在原始高维空间经压缩后映射的低维空间上进行结构搜索的网络模型，再通过稀疏编码技术使得压缩后的低维空间的解对应于原始空间的稀疏解，搜索时优化的网络模型结构即为重训练时的结构，应用于搜索‑重训练两阶段图像识别以及搜索‑重训练合并一阶段图像识别。本发明在搜索阶段的网络即具有稀疏性，在搜索训练阶段最终收敛的结构即为最终搜到的结构，网络结构搜索更加高效合理，使得图像识别的性能优异。

公开(公告)号：CN111967528A

公开(公告)日：2020-11-20

申请号：CN202010876709.3

申请日：2020-08-27

Applicant: 北京大学

Inventor： 林宙辰 ,  杨一博 ,  李宏扬 ,  游山 ,  王飞 ,  钱晨

IPC: G06K9/62 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明公布了一种基于稀疏编码的深度学习网络结构搜索的图像识别方法，将基于梯度的可微分网络模型结构进行优化，构造用于在原始高维空间经压缩后映射的低维空间上进行结构搜索的网络模型，再通过稀疏编码技术使得压缩后的低维空间的解对应于原始空间的稀疏解，搜索时优化的网络模型结构即为重训练时的结构，应用于搜索-重训练两阶段图像识别以及搜索-重训练合并一阶段图像识别。本发明在搜索阶段的网络即具有稀疏性，在搜索训练阶段最终收敛的结构即为最终搜到的结构，网络结构搜索更加高效合理，使得图像识别的性能优异。