发明名称 | 一种基于预决策的卷积神经网络加速方法及系统 | ||
摘要 | 本发明提供了一种基于预决策的卷积神经网络加速方法及系统,该方法包括:根据CNN前向传播和每层计算方式的特点,得到每个特征点的计算代价以及特征点之间的依赖关系;基于每个特征点的计算代价、特征点之间的依赖关系和特征点的分类能力,建立特征点选择模型;根据CNN的结构特点设置一系列递增的特征点数;根据预先建立的训练数据集,使用特征点选择模型对系列递增的特征点数进行逐个优化,得到一系列特征点选择和对应的线性分类器;根据特征点选择和对应的线性分类器,根据预设的阈值将所有的线性分类器构成级联分类器。本发明充分利用CNN的特征冗余性、多层特征计算代价差异性和多级特征的判别力,实现了CNN在二元分类和特定物体检测问题上的加速。 | ||
申请公布号 | CN105631519A | 申请公布日期 | 2016.06.01 |
申请号 | CN201511032541.3 | 申请日期 | 2015.12.31 |
申请人 | 北京工业大学 | 发明人 | 庞俊彪;林辉煌;黄庆明;尹宝才 |
分类号 | G06N3/08(2006.01)I | 主分类号 | G06N3/08(2006.01)I |
代理机构 | 北京路浩知识产权代理有限公司 11002 | 代理人 | 李相雨 |
主权项 | 一种基于预决策的卷积神经网络加速方法,其特征在于,包括:S1、根据卷积神经网络CNN前向传播和每层计算方式的特点,得到每个特征点的计算代价以及特征点之间的依赖关系;S2、基于每个特征点的计算代价、特征点之间的依赖关系和特征点的分类能力,建立特征点选择模型;S3、根据CNN的结构特点设置一系列递增的特征点数;S4、根据预先建立的训练数据集,使用所述特征点选择模型对所述系列递增的特征点数进行逐个优化,得到一系列特征点选择和对应的线性分类器;S5、根据所述特征点选择和对应的线性分类器,根据预设的阈值将所有的线性分类器构成级联分类器。 | ||
地址 | 100124 北京市朝阳区平乐园100号 |