公开(公告)号：CN114819141A

公开(公告)日：2022-07-29

申请号：CN202210360695.9

申请日：2022-04-07

Applicant: 西安电子科技大学

Inventor： 王颖 ,  陈怡桦 ,  李洁 ,  王斌 ,  胡留成 ,  马浩中 ,  张建龙

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

Abstract: 本发明涉及一种用于深度网络压缩的智能剪枝方法和系统，该方法包括：获取训练样本集以及未经训练的待压缩卷积神经网络；根据神经元的睡眠与清醒机制，利用训练样本集对卷积神经网络进行训练，在训练过程中同时更新卷积神经网络中每一层卷积层中每一个滤波器的信息熵，得到训练完成的卷积神经网络；根据训练完成的卷积神经网络中每一层卷积层的滤波器的信息熵大小排序，以及预设的剪枝比例对每一层卷积层的滤波器进行剪枝处理，得到训练完成且压缩好的压缩卷积神经网络。本发明的方法得到的压缩卷积神经网络，可以避免安检图像分类过程中的运算冗余，节约运算时间，而且压缩后的卷积神经网络能运行于计算资源受限的平台上。

公开(公告)号：CN114819141B

公开(公告)日：2024-08-13

申请号：CN202210360695.9

申请日：2022-04-07

Applicant: 西安电子科技大学

Inventor： 王颖 ,  陈怡桦 ,  李洁 ,  王斌 ,  胡留成 ,  马浩中 ,  张建龙

IPC: G06N3/082 ,  G06N3/063 ,  G06N3/0495 ,  G06N3/0464

Abstract: 本发明涉及一种用于深度网络压缩的智能剪枝方法和系统，该方法包括：获取训练样本集以及未经训练的待压缩卷积神经网络；根据神经元的睡眠与清醒机制，利用训练样本集对卷积神经网络进行训练，在训练过程中同时更新卷积神经网络中每一层卷积层中每一个滤波器的信息熵，得到训练完成的卷积神经网络；根据训练完成的卷积神经网络中每一层卷积层的滤波器的信息熵大小排序，以及预设的剪枝比例对每一层卷积层的滤波器进行剪枝处理，得到训练完成且压缩好的压缩卷积神经网络。本发明的方法得到的压缩卷积神经网络，可以避免安检图像分类过程中的运算冗余，节约运算时间，而且压缩后的卷积神经网络能运行于计算资源受限的平台上。