[發(fā)明專利]一種細(xì)粒度分類模型的優(yōu)化方法、系統(tǒng)及相關(guān)裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011277232.3
• 申請(qǐng)日: 2020-11-16
• 公開(kāi)（公告）號(hào): CN112396100A
• 公開(kāi)（公告）日: 2021-02-23
• 發(fā)明（設(shè)計(jì)）人: 高遠(yuǎn)
• 申請(qǐng)（專利權(quán)）人: 中保車(chē)服科技服務(wù)股份有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 深圳中細(xì)軟知識(shí)產(chǎn)權(quán)代理有限公司 44528
• 代理人: 袁文英

1.一種細(xì)粒度分類模型的優(yōu)化方法，其特征在于，所述方法包括：

獲取預(yù)先訓(xùn)練的初始細(xì)粒度分類模型以及所述初始細(xì)粒度分類模型的初始準(zhǔn)確率；

對(duì)所述初始細(xì)粒度分類模型進(jìn)行剪枝，得到第一細(xì)粒度分類模型；

對(duì)第一細(xì)粒度分類模型進(jìn)行訓(xùn)練，得到所述第一細(xì)粒度分類模型的第一準(zhǔn)確率；

若第一準(zhǔn)確率與初始準(zhǔn)確率的差值小于或等于預(yù)設(shè)閾值，則對(duì)第i個(gè)細(xì)粒度分類模型進(jìn)行剪枝，以得到第i+1個(gè)細(xì)粒度分類模型；其中，第1個(gè)細(xì)粒度分類模型為所述第一細(xì)粒度分類模型，i的初始值為1；

確定第i+1個(gè)細(xì)粒度分類模型的第i+1個(gè)準(zhǔn)確率與初始準(zhǔn)確率的差值是否大于預(yù)設(shè)閾值；

若大于，則停止剪枝，將第i個(gè)細(xì)粒度分類模型作為目標(biāo)細(xì)粒度分類模型；

若小于或等于，則令i＝i+1，返回執(zhí)行對(duì)第i個(gè)細(xì)粒度分類模型進(jìn)行剪枝。

2.根據(jù)權(quán)利要求1所述的細(xì)粒度分類模型的優(yōu)化方法，其特征在于，所述對(duì)所述初始細(xì)粒度分類模型進(jìn)行剪枝，得到第一細(xì)粒度分類模型具體包括：

獲取所述初始細(xì)粒度分類模型中網(wǎng)絡(luò)結(jié)構(gòu)層數(shù)m，m為正整數(shù)；

獲取所述初始細(xì)粒度分類模型中第n層網(wǎng)絡(luò)結(jié)構(gòu)所包含的所有卷積核對(duì)應(yīng)的若干參數(shù)值，其中，n的初始值為1，n為正整數(shù)，且n≤m；

對(duì)每個(gè)卷積核對(duì)應(yīng)的若干參數(shù)分別進(jìn)行求和，得到每個(gè)卷積核對(duì)應(yīng)的總參數(shù)值；

對(duì)所有總參數(shù)值進(jìn)行排序，根據(jù)排序結(jié)果確定用于去除卷積核的參考值；

若沒(méi)有卷積核的總參數(shù)值大于所述參考值，則令n＝n+1，返回執(zhí)行獲取所述初始細(xì)粒度分類模型中第n層網(wǎng)絡(luò)結(jié)構(gòu)所包含的所有卷積核對(duì)應(yīng)的若干參數(shù)值；

若存在某一卷積核的總參數(shù)值小于或等于所述參考值，則將所述卷積核刪除，并令n＝n+1，則返回執(zhí)行獲取所述初始細(xì)粒度分類模型中第n層網(wǎng)絡(luò)結(jié)構(gòu)所包含的所有卷積核對(duì)應(yīng)的若干參數(shù)值；

將n＝m所得到的最終細(xì)粒度分類模型作為第一細(xì)粒度分類模型。

3.根據(jù)權(quán)利要求2所述的細(xì)粒度分類模型的優(yōu)化方法，其特征在于，所述若存在某一卷積核的總參數(shù)值小于所述參考值，則將所述卷積核刪除之后還包括：

刪除第n+1層網(wǎng)絡(luò)結(jié)構(gòu)中與第n層網(wǎng)絡(luò)結(jié)構(gòu)中所述卷積核對(duì)應(yīng)的通道數(shù)，其中，n＜m。

4.根據(jù)權(quán)利要求2所述的細(xì)粒度分類模型的優(yōu)化方法，其特征在于，所述對(duì)所有總參數(shù)值進(jìn)行排序，根據(jù)排序結(jié)果確定用于去除卷積核的參考值具體包括：

將所有總參數(shù)值進(jìn)行排序，得到排序結(jié)果；

根據(jù)排序結(jié)果以及用戶任務(wù)需求，確定所述排序結(jié)果對(duì)應(yīng)的刪除順序以及將要?jiǎng)h除卷積核的個(gè)數(shù)；

計(jì)算所述排序結(jié)果中對(duì)應(yīng)的若干待刪除卷積核的參考值。

5.根據(jù)權(quán)利要求1所述的細(xì)粒度分類模型的優(yōu)化方法，其特征在于，所述第i細(xì)粒度分類模型與所述初始細(xì)粒度分類模型采用相同的訓(xùn)練集進(jìn)行訓(xùn)練。

6.根據(jù)權(quán)利要求1所述的細(xì)粒度分類模型的優(yōu)化方法，其特征在于，所述方法還包括：

若第一準(zhǔn)確率與初始準(zhǔn)確率的差值大于預(yù)設(shè)閾值，則更新所述初始細(xì)粒度分類模型的參數(shù)，對(duì)更新后的初始細(xì)粒度分類模型重新進(jìn)行訓(xùn)練。

7.根據(jù)權(quán)利要求1所述的細(xì)粒度分類模型的優(yōu)化方法，其特征在于，所述初始細(xì)粒度分類模型至少包括NTS細(xì)粒度分類模型，所述目標(biāo)細(xì)粒度分類模型為所述初始細(xì)粒度分類模型的最小網(wǎng)絡(luò)結(jié)構(gòu)。

8.一種細(xì)粒度分類模型的優(yōu)化裝置，其特征在于，所述細(xì)粒度分類模型的優(yōu)化裝置包括處理器與所述處理器連接的存儲(chǔ)器，所述存儲(chǔ)器存儲(chǔ)有一個(gè)或多個(gè)程序，所述程序被處理器執(zhí)行以實(shí)現(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的細(xì)粒度分類模型的優(yōu)化方法中的步驟。

9.一種細(xì)粒度分類模型的優(yōu)化系統(tǒng)，其特征在于，所述細(xì)粒度分類模型的優(yōu)化系統(tǒng)包括如權(quán)利要求8所述的細(xì)粒度分類模型的優(yōu)化裝置。

10.一種計(jì)算機(jī)臨時(shí)存儲(chǔ)介質(zhì)，其特征在于，該計(jì)算機(jī)臨時(shí)存儲(chǔ)介質(zhì)存儲(chǔ)有一個(gè)或多個(gè)程序，所述程序被處理器執(zhí)行以實(shí)現(xiàn)如權(quán)利要求1-7任一項(xiàng)所述的細(xì)粒度分類模型的優(yōu)化方法中的步驟。