[發(fā)明專利]卷積-全連接參數(shù)置換與全連接神經(jīng)元補償?shù)木矸e神經(jīng)網(wǎng)絡(luò)設(shè)計方法在審
| 申請?zhí)枺?/td> | 201910584313.9 | 申請日: | 2019-07-01 |
| 公開(公告)號: | CN110348565A | 公開(公告)日: | 2019-10-18 |
| 發(fā)明(設(shè)計)人: | 楊晨;張靖宇;陳琦;張景越;徐建龍 | 申請(專利權(quán))人: | 西安交通大學(xué) |
| 主分類號: | G06N3/04 | 分類號: | G06N3/04;G06N3/08 |
| 代理公司: | 西安通大專利代理有限責(zé)任公司 61200 | 代理人: | 李紅霖 |
| 地址: | 710049 *** | 國省代碼: | 陜西;61 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 卷積神經(jīng)網(wǎng)絡(luò) 卷積 連接層 神經(jīng)元 連接參數(shù) 層結(jié)構(gòu) 置換 特征信息分析 卷積核 特征圖 結(jié)點 壓縮 學(xué)習(xí) | ||
1.卷積-全連接參數(shù)置換與全連接神經(jīng)元補償?shù)木矸e神經(jīng)網(wǎng)絡(luò)設(shè)計方法,其特征在于,所述卷積神經(jīng)網(wǎng)絡(luò)包括卷積層結(jié)構(gòu)和全連接層結(jié)構(gòu),卷積神經(jīng)網(wǎng)絡(luò)的設(shè)計方法具體包括以下步驟:
步驟1:卷積-全連接參數(shù)置換
針對調(diào)整前的卷積神經(jīng)網(wǎng)絡(luò),在卷積層結(jié)構(gòu)中,增加每層卷積的卷積核大小,減少每層卷積的特征圖通道的大小,以壓縮全連接層結(jié)構(gòu)中第1層全連接層的輸入?yún)?shù)量,增加卷積層結(jié)構(gòu)的參數(shù)占比,減少全連接層結(jié)構(gòu)的參數(shù)占比;
步驟2:全連接層神經(jīng)元補償
針對調(diào)整前的卷積神經(jīng)網(wǎng)絡(luò),在全連接層結(jié)構(gòu)中,增加每層全連接層的神經(jīng)元結(jié)點的數(shù)目,以提取更多的特征信息分析學(xué)習(xí),補償整個卷積神經(jīng)網(wǎng)絡(luò)的精度。
2.根據(jù)權(quán)利要求1所述的卷積-全連接參數(shù)置換與全連接神經(jīng)元補償?shù)木矸e神經(jīng)網(wǎng)絡(luò)設(shè)計方法,其特征在于,步驟1中將每層卷積的卷積核大小調(diào)整為kernel size+2N,其中:N=1,2,3…,kernel size表示調(diào)整前的卷積核大小。
3.根據(jù)權(quán)利要求2所述的卷積-全連接參數(shù)置換與全連接神經(jīng)元補償?shù)木矸e神經(jīng)網(wǎng)絡(luò)設(shè)計方法,其特征在于,kernel size+2N的值不超過11。
4.根據(jù)權(quán)利要求1所述的卷積-全連接參數(shù)置換與全連接神經(jīng)元補償?shù)木矸e神經(jīng)網(wǎng)絡(luò)設(shè)計方法,其特征在于,步驟1中將每層卷積的特征圖通道大小調(diào)整為feature maps-K,其中K=1,2,3…,feature maps表示調(diào)整前的特征圖通道大小。
5.根據(jù)權(quán)利要求1所述的卷積-全連接參數(shù)置換與全連接神經(jīng)元補償?shù)木矸e神經(jīng)網(wǎng)絡(luò)設(shè)計方法,其特征在于,步驟2的全連接層結(jié)構(gòu)中,除最后一層全連接層外,其余全連接層神經(jīng)元結(jié)點數(shù)目調(diào)整后則為2A+B,2A為全連接層神經(jīng)元結(jié)點調(diào)整前數(shù)目,B=1,2,3……,且全連接層結(jié)構(gòu)總參數(shù)量小于調(diào)整前的全連接層結(jié)構(gòu)總參數(shù)量。
6.根據(jù)權(quán)利要求1所述的卷積-全連接參數(shù)置換與全連接神經(jīng)元補償?shù)木矸e神經(jīng)網(wǎng)絡(luò)設(shè)計方法,其特征在于,調(diào)整前的卷積神經(jīng)網(wǎng)絡(luò)為LeNet-5,且LeNet-5的卷積層結(jié)構(gòu)共包含3層卷積,每層卷積的卷積核大小均為5*5,每層卷積的特征圖通道大小分別為6,16,16,LeNet-5神經(jīng)元結(jié)點數(shù)目分別為120,84,2,其中2為2分類。
7.根據(jù)權(quán)利要求6所述的卷積-全連接參數(shù)置換與全連接神經(jīng)元補償?shù)木矸e神經(jīng)網(wǎng)絡(luò)設(shè)計方法,其特征在于,步驟1中將每層卷積的卷積核大小調(diào)整為分別調(diào)整為7*7,7*7,9*9。
8.根據(jù)權(quán)利要求6所述的卷積-全連接參數(shù)置換與全連接神經(jīng)元補償?shù)木矸e神經(jīng)網(wǎng)絡(luò)設(shè)計方法,其特征在于,步驟1中將每層卷積的特征圖通道大小分別調(diào)整為6,8,3。
9.根據(jù)權(quán)利要求6所述的卷積-全連接參數(shù)置換與全連接神經(jīng)元補償?shù)木矸e神經(jīng)網(wǎng)絡(luò)設(shè)計方法,其特征在于,步驟2中將全連接層的神經(jīng)元結(jié)點增加至512,32,2,其中2為2分類。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于西安交通大學(xué),未經(jīng)西安交通大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910584313.9/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 終端卷積神經(jīng)網(wǎng)絡(luò)的處理方法、裝置、存儲介質(zhì)及處理器
- 一種基于卷積神經(jīng)網(wǎng)絡(luò)的圖像深度估計方法
- 卷積神經(jīng)網(wǎng)絡(luò)的生成方法及裝置
- 一種卷積神經(jīng)網(wǎng)絡(luò)硬件模塊部署方法
- 卷積神經(jīng)網(wǎng)絡(luò)的處理方法、裝置、設(shè)備及存儲介質(zhì)
- 一種卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法及裝置
- 一種基于通道數(shù)搜索卷積神經(jīng)網(wǎng)絡(luò)的方法
- 卷積神經(jīng)網(wǎng)絡(luò)處理方法、裝置和電子系統(tǒng)
- 一種基于空洞卷積循環(huán)神經(jīng)網(wǎng)絡(luò)的聲音事件檢測方法
- 基于稀疏卷積神經(jīng)網(wǎng)絡(luò)的目標檢測方法及檢測裝置
- 卷積運算處理方法及相關(guān)產(chǎn)品
- 一種卷積神經(jīng)網(wǎng)絡(luò)的計算方法及系統(tǒng)
- 卷積運算方法及系統(tǒng)
- 卷積運算方法、裝置及系統(tǒng)
- 深度神經(jīng)網(wǎng)絡(luò)裁剪方法、裝置及電子設(shè)備
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法和圖像處理裝置
- 卷積神經(jīng)網(wǎng)絡(luò)及基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法
- 一種圖像處理方法、裝置以及計算機存儲介質(zhì)
- 用于卷積神經(jīng)網(wǎng)絡(luò)的卷積運算裝置
- 基于FPGA實現(xiàn)圖像識別的方法、裝置、設(shè)備及存儲介質(zhì)
- 神經(jīng)元振蕩器及基于該神經(jīng)元振蕩器的混沌神經(jīng)網(wǎng)絡(luò)
- 一種神經(jīng)元硬件裝置及用這種裝置模擬脈沖神經(jīng)網(wǎng)絡(luò)的方法
- 人工神經(jīng)元信息轉(zhuǎn)換為脈沖神經(jīng)元信息的方法和系統(tǒng)
- 神經(jīng)網(wǎng)絡(luò)信息轉(zhuǎn)換方法和系統(tǒng)
- 神經(jīng)元信息發(fā)送方法、裝置和存儲介質(zhì)
- 用于檢驗神經(jīng)網(wǎng)絡(luò)中的神經(jīng)元函數(shù)的方法和設(shè)備
- 一種裁剪神經(jīng)網(wǎng)絡(luò)模型的方法和電子設(shè)備
- 用模擬神經(jīng)元的單個物理層實現(xiàn)多層神經(jīng)網(wǎng)絡(luò)
- 一套無人機神經(jīng)網(wǎng)絡(luò)控制用的人工神經(jīng)元模型
- 視網(wǎng)膜神經(jīng)網(wǎng)絡(luò)裝置





