[发明专利]面向嵌入式低功耗卷积神经网络方法在审
| 申请号： | 201710660708.3 | 申请日： | 2017-08-04 |
| 公开（公告）号： | CN107563495A | 公开（公告）日： | 2018-01-09 |
| 发明（设计）人： | 牟星 | 申请（专利权）人： | 深圳互连科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04 |
| 代理公司： | 苏州中合知识产权代理事务所(普通合伙)32266 | 代理人： | 李中华 |
| 地址： | 210000 江苏省南京市*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种面向嵌入式低功耗卷积神经网络方法；对于conv层和conv+concat层相邻的两个层，采用GoogLeNet中inception的思想，将1×1以及3×3的卷积核并行排列，并分别采集不同尺度上的feature，再将两种卷积核计算得到的feature map进行拼接，对于conv+concat层，采用ResNet的思想，本网络在conv+concat层的拼接结果之间做了short cut connection的逐元素相加操作，分别对每一层进行预剪枝，剪掉的神经元占总数的50％，测试每一层对整体精度的影响。缩小多层网络的每一层的卷积尺寸，减少卷积核的数量并且网络具有一定的稀疏性，因此每一层需要的乘法数量非常少，在具体计算时，可以将其转换为具有CSR存储格式的稀疏矩阵与稠密矩阵的乘积，以达到占用内存小、计算速度快和精度高的目的。 | ||
| 搜索关键词： | 面向 嵌入式 功耗 卷积 神经网络 方法 | ||
【主权项】：
一种面向嵌入式低功耗卷积神经网络方法，其特征在于，方法步骤如下：(1).对于conv层和conv+concat层相邻的两个层，采用GoogLeNet中inception的思想，将1×1以及3×3的卷积核并行排列，并分别采集不同尺度上的feature，再将两种卷积核计算得到的feature map进行拼接；(2).对于conv+concat层，采用ResNet的思想，本网络在conv+concat层的拼接结果之间做了捷径连接的逐元素相加操作；(3).分别对每一层进行预剪枝，剪掉的神经元占总数的50％，测试每一层对整体精度的影响。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于深圳互连科技有限公司，未经深圳互连科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710660708.3/，转载请声明来源钻瓜专利网。
