| 发明名称 | 一种深度卷积神经网络训练方法及装置 | ||
| 摘要 | 本发明涉及深度学技术领域，特别涉及一种深度卷积神经网络训练方法及装置。所述深度卷积神经网络训练方法包括：步骤a：在大规模源数据集上对DCNN进行预训练，并对所述DCNN进行模型剪枝；步骤b：在剪枝过的DCNN上进行迁移学；步骤c：利用小规模目标数据集对迁移后的DCNN进行模型压缩。本发明利用迁移学方法与模型压缩技术的优势互补，在大规模源数据集到小规模目标数据集的迁移学过程中，对DCNN进行模型压缩与剪枝，从而改善迁移学能力，以降低DCNN在小规模目标数据集上的过拟合风险与部署难度，提高模型在目标数据集上的预测能力。 | ||
| 申请公布号 | CN106355248A | 申请公布日期 | 2017.01.25 |
| 申请号 | CN201610738135.7 | 申请日期 | 2016.08.26 |
| 申请人 | 深圳先进技术研究院 | 发明人 | 乔宇;刘家铭;王亚立 |
| 分类号 | G06N3/08(2006.01)I;G06N3/06(2006.01)I | 主分类号 | G06N3/08(2006.01)I |
| 代理机构 | 深圳市科进知识产权代理事务所(普通合伙) 44316 | 代理人 | 赵勍毅 |
| 主权项 | 一种深度卷积神经网络训练方法，其特征在于，包括以下步骤：步骤a：在大规模源数据集上对DCNN进行预训练，并对所述DCNN进行模型剪枝；步骤b：在剪枝过的DCNN上进行迁移学习；步骤c：利用小规模目标数据集对迁移后的DCNN进行模型压缩。 | ||
| 地址 | 518055 广东省深圳市南山区西丽大学城学苑大道1068号 | ||