[發(fā)明專利]一種卷積神經(jīng)網(wǎng)絡(luò)的輕量化方法及裝置

在審

• 申請?zhí)枺?/td>: 201711123049.6
• 申請日: 2017-11-14
• 公開（公告）號(hào): CN107832835A
• 公開（公告）日: 2018-03-23
• 發(fā)明（設(shè)計(jì)）人: 傅鴻;閭凡兵;尹紀(jì)軍;鈕玉曉;王棟梁;丁繼強(qiáng)
• 申請（專利權(quán)）人: 貴陽海信網(wǎng)絡(luò)科技有限公司
• 主分類號(hào): G06N3/04
• 分類號(hào): G06N3/04;G06K9/00
• 代理公司: 北京同達(dá)信恒知識(shí)產(chǎn)權(quán)代理有限公司11291
• 代理人: 朱佳

技術(shù)領(lǐng)域

本申請涉及機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，特別涉及一種卷積神經(jīng)網(wǎng)絡(luò)的輕量化方法及裝置。

背景技術(shù)

近年來，交通擁堵已經(jīng)成為制約城市經(jīng)濟(jì)和社會(huì)發(fā)展的瓶頸，它是城市道路資源供、需矛盾的集中體現(xiàn)，與城市運(yùn)行的各個(gè)方面密切相關(guān)，它直接造成城市的整體運(yùn)轉(zhuǎn)效率低，在城市發(fā)展過程中的短板效應(yīng)日益明顯。

交通擁堵的治理首先應(yīng)是及時(shí)發(fā)現(xiàn)擁堵的路口、路段，然后利用交通廣播、微博等新媒體公眾信息平臺(tái)發(fā)出擁堵信息，使車輛合理選擇行駛線路，以降低擁堵路口、路段的壓力，使擁堵路口、路段逐步恢復(fù)暢通。

目前，利用視頻檢測技術(shù)進(jìn)行交通擁堵檢測時(shí)，有兩種方式：一種是傳輸視頻圖像到監(jiān)控中心的方式；另一種是在獲取諸如流量、道路占有率、速度、車間距、排隊(duì)長度等交通參數(shù)后，選取其中的多個(gè)交通狀態(tài)參數(shù)，并利用預(yù)先定義的擁堵判別方法實(shí)現(xiàn)對交通擁堵的判斷。由于各種參數(shù)的獲得通常不太準(zhǔn)確，所以會(huì)導(dǎo)致最終處理結(jié)果不準(zhǔn)，且該方式?jīng)]有較好的擴(kuò)展能力。導(dǎo)致計(jì)算時(shí)間過長，影響了交通擁堵的識(shí)別的實(shí)時(shí)性，進(jìn)而無法及時(shí)的通知車輛合理選擇行駛線路，對交通擁堵的治理效果甚微。

因此，如何提高道路交通圖像識(shí)別的效率，是一個(gè)亟待解決的問題。

發(fā)明內(nèi)容

本申請實(shí)施例提供了一種卷積神經(jīng)網(wǎng)絡(luò)的輕量化方法及裝置，利用深度學(xué)習(xí)實(shí)現(xiàn)對交通擁堵路口、路段的車輛的識(shí)別，并提高了道路交通圖像識(shí)別的效率。

本申請實(shí)施例提供了一種卷積神經(jīng)網(wǎng)絡(luò)的輕量化方法，所述方法包括：

獲取卷積神經(jīng)網(wǎng)絡(luò)模型中每層卷積層中的每個(gè)卷積核的權(quán)重系數(shù)矩陣；

針對任意一個(gè)權(quán)重系數(shù)矩陣，將該權(quán)重系數(shù)矩陣中絕對值小于預(yù)設(shè)閾值的權(quán)重系數(shù)值置為零，獲得第一矩陣以及第二矩陣；所述第一矩陣中包括該權(quán)重系數(shù)矩陣中所有非零的權(quán)重系數(shù)，所述第二矩陣中包括該權(quán)重系數(shù)矩陣中所有非零的權(quán)重系數(shù)在該權(quán)重系數(shù)矩陣中的下標(biāo)值；將所述第一矩陣以及所述第二矩陣作為壓縮后的該權(quán)重系數(shù)矩陣；

根據(jù)所述卷積神經(jīng)網(wǎng)絡(luò)模型中每層卷積層中的每個(gè)卷積核壓縮后的權(quán)重系數(shù)矩陣對輸入的圖像進(jìn)行交通擁堵識(shí)別。

一種可能的實(shí)現(xiàn)方式，所述獲得第一矩陣以及第二矩陣之后，所述方法還包括：

采用霍夫曼編碼壓縮所述第一矩陣和所述第二矩陣。

一種可能的實(shí)現(xiàn)方式，所述第二矩陣的第一項(xiàng)為所述權(quán)重系數(shù)矩陣中所有非零的權(quán)重系數(shù)的第一項(xiàng)的下標(biāo)值；所述第二矩陣的第K項(xiàng)的下標(biāo)值為所述權(quán)重系數(shù)矩陣中所有非零的權(quán)重系數(shù)中第K項(xiàng)權(quán)重系數(shù)的下標(biāo)值與第K-1 項(xiàng)的下標(biāo)值的差值，K大于或等于2。

一種可能的實(shí)現(xiàn)方式，所述根據(jù)所述卷積神經(jīng)網(wǎng)絡(luò)模型中每層卷積層中的每個(gè)卷積核壓縮后的權(quán)重系數(shù)矩陣對輸入的圖像進(jìn)行交通擁堵識(shí)別，包括：

根據(jù)所述卷積神經(jīng)網(wǎng)絡(luò)模型確定所述圖像中的車輛數(shù)目和排隊(duì)長度，并根據(jù)所述圖像中的車輛數(shù)目和排隊(duì)長度確定所述圖像的交通擁堵類別。

一種可能的實(shí)現(xiàn)方式，所述卷積神經(jīng)網(wǎng)絡(luò)包括M個(gè)卷積層，M大于2；

針對所述M個(gè)卷積層中第2層至第M-1層中的第n個(gè)卷積層，該卷積層包括第一子卷積層和第二子卷積層；所述第一子卷積層的輸出通道與所述第二子卷積層的輸入通道連接；

該卷積層中的第一子卷積層包括P個(gè)1×1的卷積核；所述P為第n-1層卷積層的輸出通道數(shù)；該卷積層中的第二子卷積層包括J個(gè)1×1的卷積核以及L個(gè)3×3的卷積核，P＝J+L×3；所述M，P，J，L為大于或等于1的正整數(shù)，所述n為大于1且小于M的正整數(shù)。

本申請實(shí)施例提供了一種卷積神經(jīng)網(wǎng)絡(luò)的輕量化裝置，所述裝置包括：

接收單元，用于獲取卷積神經(jīng)網(wǎng)絡(luò)模型中每層卷積層中的每個(gè)卷積核的權(quán)重系數(shù)矩陣；

處理單元，用于針對任意一個(gè)權(quán)重系數(shù)矩陣，將該權(quán)重系數(shù)矩陣中絕對值小于預(yù)設(shè)閾值的權(quán)重系數(shù)值置為零，獲得第一矩陣以及第二矩陣；所述第一矩陣中包括該權(quán)重系數(shù)矩陣中所有非零的權(quán)重系數(shù)，所述第二矩陣中包括該權(quán)重系數(shù)矩陣中所有非零的權(quán)重系數(shù)在該權(quán)重系數(shù)矩陣中的下標(biāo)值；將所述第一矩陣以及所述第二矩陣作為壓縮后的該權(quán)重系數(shù)矩陣；根據(jù)所述卷積神經(jīng)網(wǎng)絡(luò)模型中每層卷積層中的每個(gè)卷積核壓縮后的權(quán)重系數(shù)矩陣對輸入的圖像進(jìn)行交通擁堵識(shí)別。

一種可能的實(shí)現(xiàn)方式，所述處理單元采用霍夫曼編碼壓縮所述第一矩陣和所述第二矩陣。