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。

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。