公开(公告)号：CN110348565A

公开(公告)日：2019-10-18

申请号：CN201910584313.9

申请日：2019-07-01

Applicant: 西安交通大学

Inventor： 杨晨 ,  张靖宇 ,  陈琦 ,  张景越 ,  徐建龙

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明公开了卷积-全连接参数置换与全连接神经元补偿的卷积神经网络设计方法，针对调整前的卷积神经网络，在卷积层结构中，增加每层卷积的卷积核大小，减少每层卷积的特征图通道的大小，以压缩全连接层结构中第1层全连接层的输入参数量，增加卷积层结构的参数占比，减少全连接层结构的参数占比；针对调整前的卷积神经网络，在全连接层结构中，增加全连接层的神经元结点的数目，以提取更多的特征信息分析学习，补偿整个卷积神经网络的精度。

公开(公告)号：CN110363287B

公开(公告)日：2021-07-13

申请号：CN201910584312.4

申请日：2019-07-01

Applicant: 西安交通大学

Inventor： 杨晨 ,  陈琦 ,  张靖宇 ,  张景越 ,  徐建龙

IPC: G06N3/04 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明公开了一种面向内存计算和室内是否有人的神经网络设计方法，设计超轻量级神经网络模型，即UL‑CNN模型；将UL‑CNN模型根据基于内存计算架构的芯片对高电平不敏感以及内存限制在2K*2K范围内的规则，使用定点化处理调整卷积运算和全连接矩阵运算方法，从而使UL‑CNN模型应用在基于内存计算架构的Conv‑Flash芯片上进行推理，最终进行室内是否有人检测。本发明在解决室内有人无人问题时，与其他主流CNN相比参数量和计算量减少，计算时间更短，但是准确率基本不变。

公开(公告)号：CN110363287A

公开(公告)日：2019-10-22

申请号：CN201910584312.4

申请日：2019-07-01

Applicant: 西安交通大学

Inventor： 杨晨 ,  陈琦 ,  张靖宇 ,  张景越 ,  徐建龙

IPC: G06N3/04 ,  G06N3/063 ,  G06N3/08

Abstract: 本发明公开了一种面向内存计算和室内是否有人的神经网络设计方法，设计超轻量级神经网络模型，即UL-CNN模型；将UL-CNN模型根据基于内存计算架构的芯片对高电平不敏感以及内存限制在2K*2K范围内的规则，使用定点化处理调整卷积运算和全连接矩阵运算方法，从而使UL-CNN模型应用在基于内存计算架构的Conv-Flash芯片上进行推理，最终进行室内是否有人检测。本发明在解决室内有人无人问题时，与其他主流CNN相比参数量和计算量减少，计算时间更短，但是准确率基本不变。