[發明專利]一種基于INT4量化的標準飯菜識別方法及系統

在審

• 申請號: 202210437899.8
• 申請日: 2022-04-25
• 公開（公告）號: CN114882274A
• 公開（公告）日: 2022-08-09
• 發明（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

本發明公開了一種基于INT4量化的標準飯菜識別方法及系統，屬于神經網絡模型領域；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；本發明方法使用這種管道量化神經網絡模型，能夠有效降低神經網絡模型量化的精度損失，能夠滿足較為簡單的標準飯菜識別需求，具有較強的實用性；另外，由于INT4量化對模型壓縮比例大，減少了硬件內存以及計算資源需求，能夠用在成本較低的單片機上，具有較強的經濟效益。

技術領域

本發明公開一種基于INT4量化的標準飯菜識別方法及系統，涉及神經網絡模型技術領域。

背景技術

近年來，神經網絡模型被廣泛應用在許多領域，并取得了非常好的效果。但是，神經網絡模型由于模型復雜度高、模型大，導致推理時效率較低，推理時間較長。因此，如何設計低資源消耗的，可以實時預測的、同時保證預測精度的模型成為一個現實問題，尤其是在簡單場景中的應用。標準飯菜識別是一種簡單場景的圖像識別應用，因為飯菜比較標準以及飯菜種類相對較少，圖像識別準確率較高，具有較高的應用價值。但是，由于常用的用于圖像分類的深度學習模型復雜度較高，對硬件要求較高，導致硬件成本以及功耗較高。

故現發明一種基于INT4量化的標準飯菜識別方法及系統，以解決上述問題。

發明內容

本發明針對現有技術的問題，提供一種基于INT4量化的標準飯菜識別方法及系統，所采用的技術方案為：一種基于INT4量化的標準飯菜識別方法，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。

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

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方法優化權重rounding策略。

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。

一種基于INT4量化的標準飯菜識別系統，所述的系統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。

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