[发明专利]神经网络模型的构建方法、装置及移动终端

权利要求书

1.一种神经网络模型的构建方法，其特征在于，所述方法包括：

构建神经网络对采集的样本图像进行深度学习的训练，所述神经网络包括多个网络结构及其对应的权重参数；

根据所述权重参数对所述神经网络进行网络结构的裁剪，得到神经网络模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述权重参数对所述神经网络进行网络结构的裁剪，得到神经网络模型的步骤包括：

将各网络结构对应的权重参数与预设的权重参数阈值进行比对，得到小权重网络结构；

从所述神经网络中删除所述小权重网络结构得到神经网络模型。

3.根据权利要求1所述的方法，其特征在于，所述根据所述权重参数对所述神经网络进行网络结构的裁剪，得到神经网络模型的步骤之后，所述方法还包括：

降低所述神经网络模型中各权重参数的精度。

4.根据权利要求1所述的方法，其特征在于，所述根据所述权重参数对所述神经网络进行网络结构的裁剪，得到神经网络模型的步骤之后，所述方法还包括：

采用所述样本图像构建校验集；

将所述校验集输入到所述神经网络模型中，获取相应的准确率；

根据所述准确率对所述神经网络模型进行权重参数的调整。

5.一种神经网络模型的构建装置，其特征在于，所述装置包括：

训练模块，用于构建神经网络对采集的样本图像进行深度学习的训练，所述神经网络包括多个网络结构及其对应的权重参数；

裁剪模块，用于根据所述权重参数对所述神经网络进行网络结构的裁剪，得到神经网络模型。

6.根据权利要求5所述的装置，其特征在于，所述裁剪模块包括：

比对单元，用于将各网络结构对应的权重参数与预设的权重参数阈值进行比对，得到小权重网络结构；

裁剪单元，用于从所述神经网络中删除所述小权重网络结构得到神经网络模型。

7.根据权利要求5所述的装置，其特征在于，所述装置还包括：

精度降低模块，用于降低所述神经网络模型中各权重参数的精度。

8.根据权利要求5所述的装置，其特征在于，所述装置还包括：

校验集构建模块，用于采用所述样本图像构建校验集；

准确率获取模块，用于将所述校验集输入到所述神经网络模型中，获取相应的准确率；

权重参数调整模块，用于根据所述准确率对所述神经网络模型进行权重参数的调整。

9.一种移动终端，其特征在于，所述移动终端包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1-4任一项所述的方法。

10.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序在被执行时使得移动终端执行如权利要求1-4任一项所述的方法。