文档详情

卷积神经网络模型的压缩方法及装置.pdf

发布：2023-06-09约4.55万字共37页下载文档

文本预览下载声明

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112990458 A (43)申请公布日 2021.06.18 (21)申请号 202110402597.2 (22)申请日 2021.04.14 (71)申请人北京灵汐科技有限公司

显示全部

相似文档

一种卷积神经网络模型的压缩方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112836817 A (43)申请公布日 2021.05.25 (21)申请号 20191
2023-06-03 约8.67千字 8页立即下载
卷积神经网络模型压缩方案研究.pdf 摘要摘要 卷积神经网络是深度学习代表模型之一，其性能卓越但模型较为庞大，在低资源设备上部署受到了限制，因此，有必要采用模型压缩技术减少模型参数的数量及其对资源的需求。通常压缩方法分为结构化修剪和非结构化修剪两类。结构化修剪方法将通道或内核视为基本修剪单元，非结构化修剪方法将权重视为基本剪枝单元。前者对硬件更友好，后者能够实现更高的修剪率。本文以通用神经网络模型为研究对象，在神经网络剪枝技术上提出两种模型压缩方案。
2025-04-20 约8.73万字 56页立即下载
基于剪枝的卷积神经网络模型压缩方法研究.pdf 基于剪枝的卷积神经网络模型压缩方法研究摘要 卷积神经网络在计算机视觉的各个领域取得了显著的进展，然而训练好的神经网络 模型有数百万个参数，需要大量的存储和计算成本，因此很难部署在资源受限的设备上。此外，卷积神经网络中存在着过度参数化问题，即，参数存在冗余性。据此，网络压缩与加速技术应运而生。它通过减少网络中的冗余来实现网络参数的压缩与计算的加速。本文总结现有各种卷积神经网络模型压缩方法的优缺点并对其中的关键技术进行研究，分别提出相应的解决办法。具体地，本文的主要研究内容如下：（1）提出一种基于谱聚类的滤波器剪枝（Spectralclusteringfilterpruning，SCF
2025-05-14 约10.59万字 58页立即下载
深度卷积神经网络压缩方法、装置、存储介质及设备.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112825143 A (43)申请公布日 2021.05.21 (21)申请号 20191
2023-06-06 约1.86万字 15页立即下载
一种用于卷积神经网络模型的剪枝方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112990420 A (43)申请公布日 2021.06.18 (21)申请号 20191
2023-06-07 约7.35千字 9页立即下载
一种卷积神经网络模型构建方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112819252 A (43)申请公布日 2021.05.18 (21)申请号 202110224274.9 G06F 119/02 (2020.01) (22)申请日
2023-06-06 约7.76千字 7页立即下载
基于卷积神经网络模型的惯性测量数据校正方法及装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 CN 112985462 B (45)授权公告日 2021.07.23 (21)申请号 202110429181.X CN 112197772 A,2021.01.08 (22)
2023-06-08 约4.13万字 27页立即下载
基于卷积神经网络模型的惯性测量单元标定方法及装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利 (10)授权公告号 CN 112985463 B (45)授权公告日 2021.08.03 (21)申请号 202110429227.8 (56)对比文件
2023-06-09 约3.78万字 26页立即下载
基于卷积神经网络的钢筋模型训练方法及装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113344877 A (43)申请公布日 2021.09.03 (21)申请号 202110637095.8 G06N 3/08 (2006.01) (22)申请日 20
2023-06-20 约1.3万字 11页立即下载
卷积神经网络的处理方法及装置.docx PAGE 1- 卷积神经网络的处理方法及装置 一、卷积神经网络的基本原理 卷积神经网络（ConvolutionalNeuralNetworks，CNN）是一种特殊的神经网络架构，它在图像、语音和其他信号处理领域中具有广泛的应用。卷积神经网络的核心思想是利用卷积层对输入数据进行特征提取，通过权值共享减少模型参数，从而降低计算复杂度。在卷积层中，每个神经元只关注输入数据的局部区域，通过对局部区域进行特征提取，可以捕捉到图像中的边缘、纹理等局部特征。卷积层的基本操作是将一个小的滤波器（也称为卷积核或滤波器）在输入数据上滑动，每次滑动都会产生一个特征图。这种操作称为局部连接或共享权重连接，即同一滤波
2025-01-18 约2.95千字 6页立即下载
基于卷积神经网络的帧内编码优化方法及装置.docx PAGE 1- 基于卷积神经网络的帧内编码优化方法及装置 第一章帧内编码技术概述 (1)帧内编码技术是视频压缩领域的一项关键技术，其主要目的是减少视频数据中冗余信息，从而降低数据传输和存储的负担。帧内编码通过去除帧内像素之间的空间冗余性来实现压缩，它不依赖于帧与帧之间的时间冗余信息。这种编码方式在视频编码标准如H.264/AVC和HEVC中扮演着重要角色，对于提高视频传输效率和质量具有显著影响。 (2)帧内编码技术主要包括预测编码和变换编码两个主要步骤。预测编码通过分析帧内像素间的空间相关性，预测当前像素值；而变换编码则将预测误差或残差进行变换，以提取能量集中的系数，进一步实现压缩。随着深度学
2025-01-21 约2.95千字 6页立即下载
用于训练卷积神经网络的方法和装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号CN107609645A (43)申请公布日 2018.01.19 (21)申请号20171
2024-03-30 约2.28万字 19页立即下载
用于对神经网络中卷积层进行剪枝的方法和装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113392953 A (43)申请公布日 2021.09.14 (21)申请号 20201
2023-06-19 约2.09万字 20页立即下载
基于卷积神经网络的信息隐藏方法及装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113393359 A (43)申请公布日 2021.09.14 (21)申请号 202110539518.2 (22)申请日 2021.05.18 (71)申请人杭州电子科技大学地址
2023-06-17 约1万字 10页立即下载
GB/T 42382.1-2023信息技术　神经网络表示与模型压缩　第1部分：卷积神经网络.pdf ICS35.040 CCSL71 中华人民共和国国家标准 / — GBT42382.1 2023 信息技术 神经网络表示与模型压缩 : 第部分 卷积神经网络
2023-04-24 约49万字 256页立即下载