公开(公告)号：CN113255730B

公开(公告)日：2023-04-07

申请号：CN202110462461.0

申请日：2021-04-27

Applicant: 西安交通大学

Inventor： 刘龙军 ,  郑谊焕 ,  侯文轩 ,  张昊楠 ,  李英翔 ,  孙宏滨 ,  郑南宁

IPC: G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/12

Abstract: 基于拆分‑融合策略的分布式深度神经网络结构转换方法，采集图片，组成数据集，并将数据集分为训练集和测试集，对训练集和测试集中的图片进行预处理；对网络模型进行通道拆分，扩充网络模型宽度，然后再添加融合层，得到改进后的网络模型；采用训练集中的图片对改进后的网络模型进行训练后，将预处理之后的测试集中的图片输入到训练后的网络模型中，得到图片分类结果。本发明针对分布式推理的场景对已有的用于图片分类任务的网络模型进行改进，转换之后的网络模型可以在资源受限的分布式系统中实现较快的推理速度，即可以在资源受限的分布式系统中执行图片分类任务，并较快地得到分类结果，并且图片具有更高的分类精度。

公开(公告)号：CN113255730A

公开(公告)日：2021-08-13

申请号：CN202110462461.0

申请日：2021-04-27

Applicant: 西安交通大学

Inventor： 刘龙军 ,  郑谊焕 ,  侯文轩 ,  张昊楠 ,  李英翔 ,  孙宏滨 ,  郑南宁

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12

Abstract: 基于拆分‑融合策略的分布式深度神经网络结构转换方法，采集图片，组成数据集，并将数据集分为训练集和测试集，对训练集和测试集中的图片进行预处理；对网络模型进行通道拆分，扩充网络模型宽度，然后再添加融合层，得到改进后的网络模型；采用训练集中的图片对改进后的网络模型进行训练后，将预处理之后的测试集中的图片输入到训练后的网络模型中，得到图片分类结果。本发明针对分布式推理的场景对已有的用于图片分类任务的网络模型进行改进，转换之后的网络模型可以在资源受限的分布式系统中实现较快的推理速度，即可以在资源受限的分布式系统中执行图片分类任务，并较快地得到分类结果，并且图片具有更高的分类精度。