[发明专利]基于深度学习的双支路滤波器剪枝方法

权利要求书

1.一种基于深度学习的双支路滤波器剪枝方法，包括下列步骤：

第一步：划分数据集，划分为训练集和测试集；

第二步：基于原始VGG-16进行重新搭建，把预测部分的三个全连接层变为两个，交互神经元个数由原来的4096减少到512，得到需要剪枝的原始网络，之后加入双支路模块，得到新的网络模型；

第三步：利用数据集中的训练集训练加入双支路模块的网络模型，使模型在测试集上的测试准确率达到最高，此时获得一个最优模型；

第四步：再次把训练集输入最优模型，在不改变网络中的任何参数的情况下，利用双支路模块和输入图片，得到每个滤波器的激活值，网络不同层中不同滤波器的权重向量w_i通过下列公式得到：

其中i代表第i层，Sigmoid代表规一化函数，H和W为输入特征的空间分辨率，I_i-1为输入特征，I_i为原始模块输出特征，W₁表示支路中全连接层的权值；

第五步：计算网络中所有滤波器对于所有输入训练集图片的权值的方差，将单网络层滤波器的权重方差进行排序，获得每层滤波器的重要程度排序；按照预设定的每层的剪枝比率获得阈值，将大于阈值的数保留然后返回对应滤波器即得到网络的剪枝结果；

第六步：将裁剪后的原始网络使用数据集重新训练，恢复精度，经过训练收敛后的网络模型为最终得到轻量化的最优模型。