基于目标驱动的目标识别深度神经网络剪枝方法技术

本发明专利技术涉及剪枝技术领域，尤其涉及一种基于目标驱动的目标识别深度神经网络剪枝方法，如下步骤：步骤S1：从最后一层隐藏层开始，计算每个神经元的重要性得分；步骤S2：选择需要被剪枝的神经元，并且将该神经元的权重更新为0；步骤S3：将每个连接神经元的权重乘以该神经元的重要性得分；步骤S4：剪枝相应的神经元以及其对应的权重和偏差；步骤S5：判断所要剪枝的层是否为输入层，若不是，则前往前一层并返回到步骤S2进行处理。通过本发明专利技术基于目标驱动的目标识别深度神经网络剪枝方法，加快了推理速度并在不降低较多网络的测试精度的情况下显著减少了体积及对内存的占用，有利于深度神经网路部署到内存有限的设备中。

【技术实现步骤摘要】
基于目标驱动的目标识别深度神经网络剪枝方法
本专利技术涉及剪枝
，尤其涉及一种基于目标驱动的目标识别深度神经网络剪枝方法。
技术介绍
随着科技的发展，通过创建足够大的数据集和计算机处理资源的不断升级，基于计算机视觉的目标识别技术获得了极大的普及。但当设备的内存、存储和计算资源有限时，便无法部署深度神经网络。因此，现有技术存在不足，需要改进。
技术实现思路
为克服上述的技术问题，本专利技术提供了一种基于目标驱动的目标识别深度神经网络剪枝方法。本专利技术解决技术问题的方案是提供一种基于目标驱动的目标识别深度神经网络剪枝方法，包括如下步骤：步骤S1：从最后一层隐藏层开始，计算每个神经元的重要性得分；步骤S2：选择需要被剪枝的神经元，并且将该神经元的权重更新为0；步骤S3：将每个连接神经元的权重乘以该神经元的重要性得分；步骤S4：剪枝相应的神经元以及其对应的权重和偏差；步骤S5：判断所要剪枝的层是否为输入层，若不是，则前往前一层并返回到步骤S2进行处理。优本文档来自技高网...

【技术保护点】
1.一种基于目标驱动的目标识别深度神经网络剪枝方法，其特征在于：所述基于目标驱动的目标识别深度神经网络剪枝方法，包括如下步骤：/n步骤S1：从最后一层隐藏层开始，计算每个神经元的重要性得分；/n步骤S2：选择需要被剪枝的神经元，并且将该神经元的权重更新为0；/n步骤S3：将每个连接神经元的权重乘以该神经元的重要性得分；/n步骤S4：剪枝相应的神经元以及其对应的权重和偏差；/n步骤S5：判断所要剪枝的层是否为输入层，若不是，则前往前一层并返回到步骤S2进行处理。/n

【技术特征摘要】
1.一种基于目标驱动的目标识别深度神经网络剪枝方法，其特征在于：所述基于目标驱动的目标识别深度神经网络剪枝方法，包括如下步骤：
步骤S1：从最后一层隐藏层开始，计算每个神经元的重要性得分；
步骤S2：选择需要被剪枝的神经元，并且将该神经元的权重更新为0；
步骤S3：将每个连接神经元的权重乘以该神经元的重要性得分；
步骤S4：剪枝相应的神经元以及其对应的权重和偏差；
步骤S5：判断所要剪枝的层是...

【专利技术属性】
技术研发人员：刘向华，
申请(专利权)人：名匠智汇建设发展有限公司，
类型：发明
国别省市：广东;44