[發(fā)明專利]一種基于INT4量化的標準飯菜識別方法及系統(tǒng)在審
| 申請?zhí)枺?/td> | 202210437899.8 | 申請日： | 2022-04-25 |
| 公開（公告）號： | CN114882274A | 公開（公告）日： | 2022-08-09 |
| 發(fā)明（設計）人： | 陳其賓;李銳;張暉;張立勇 | 申請（專利權）人： | 山東浪潮科學研究院有限公司 |
| 主分類號： | G06V10/764 | 分類號： | G06V10/764;G06V10/774;G06V10/82;G06V20/68;G06F7/483;G06N3/04;G06N3/08 |
| 代理公司： | 濟南信達專利事務所有限公司 37100 | 代理人： | 姜鵬 |
| 地址： | 250100 山東省濟*** | 國省代碼： | 山東;37 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 int4 量化 標準 飯菜 識別 方法 系統(tǒng) | ||
1.一種基于INT4量化的標準飯菜識別方法，其特征是所述的方法的具體步驟如下：
S1收集標準飯菜圖像數據并進行標注，構建訓練和校準數據集；
S2使用浮點數訓練圖像分類模型，得到待量化的浮點數模型；
S3使用跨層均衡對圖像分類模型進行預處理；將浮點數模型量化為INT4類型模型；
S4部署INT4量化模型到MCU上；
S5集成MCU攝像頭數據，作為量化模型輸入。
2.根據權利要求1所述的方法，其特征是所述S2使用浮點數訓練圖像分類模型MobileNet-V1，得到待量化的浮點數模型。
3.根據權利要求2所述的方法，其特征是所述S3使用跨層均衡對圖像分類模型進行預處理；將浮點數模型量化為INT4類型模型的具體步驟如下：
S401權重和激活值采用對稱量化以及按層量化的方式量化；
S402采用基于最小均方誤差的方式選擇權重和激活值量化范圍；
S403基于收集的校準數據，采用AdaRound方法優(yōu)化權重rounding策略。
4.根據權利要求3所述的方法，其特征是所述S5集成MCU攝像頭數據，作為量化模型輸入，進行標準飯菜識別，并將識別結果輸出。
5.一種基于INT4量化的標準飯菜識別系統(tǒng)，其特征是所述的系統(tǒng)具體包括數據收集模塊、模型訓練模塊、模型處理模塊、模型部署模塊和數據集成模塊：
數據收集模塊：收集標準飯菜圖像數據并進行標注，構建訓練和校準數據集；
模型訓練模塊：使用浮點數訓練圖像分類模型，得到待量化的浮點數模型；
模型處理模塊：使用跨層均衡對圖像分類模型進行預處理；將浮點數模型量化為INT4類型模型；
模型部署模塊：部署INT4量化模型到MCU上；
數據集成模塊：集成MCU攝像頭數據，作為量化模型輸入。
6.根據權利要求5所述的系統(tǒng)，其特征是所述模型訓練模塊使用浮點數訓練圖像分類模型MobileNet-V1，得到待量化的浮點數模型。
7.根據權利要求6所述的系統(tǒng)，其特征是所述S模型處理模塊具體包括量化處理模塊、范圍選擇模塊和權重優(yōu)化模塊：
量化處理模塊：權重和激活值采用對稱量化以及按層量化的方式量化；
范圍選擇模塊：采用基于最小均方誤差的方式選擇權重和激活值量化范圍；
權重優(yōu)化模塊：基于收集的校準數據，采用AdaRound方法優(yōu)化權重rounding策略。
8.根據權利要求7所述的系統(tǒng)，其特征是所述數據集成模塊集成MCU攝像頭數據，作為量化模型輸入，進行標準飯菜識別，并將識別結果輸出。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于山東浪潮科學研究院有限公司，未經山東浪潮科學研究院有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210437899.8/1.html，轉載請聲明來源鉆瓜專利網。
