基于特征重路由的多分类器优化方法技术

本发明专利技术提供了一种基于特征重路由的多分类器优化方法，包括以下步骤：S1：构建MCN模型；S2：对于骨干网的每一层权值w

【技术实现步骤摘要】
基于特征重路由的多分类器优化方法


[0001]本专利技术属于计算机领域，特别涉及一种基于特征重路由的多分类器优化方法。

技术介绍

[0002]DNN在各个研究领域实现了很好的性能，但是巨大的计算需求导致其应用和部署的困难。许多技术被用于提升边缘部署的DNN应用的计算效率，比如边缘设备的渐进推理,云边协同推理，动态计算图等。它们被广泛地部署到云端，边缘端计算，以降低计算成本。这些技术都依赖于一种称为多分类器的深度神经网络架构(Multiple Classifier Network,MCN)。MCN指这样一类网络，其基于某一骨干网络，在骨干网的中间层添加若干个分类器输出。通过结合不同深度的分类器和合理的决策策略，基于MCN的模型可以提前预测样本的分类结果，并提前退出推理计算过程，以降低计算代价，这一机制称为早退机制。合理的早退机制策略可以将简单的样本用浅层分类器预测，而复杂的样本使用更深的分类器，以降低MCN的平均推理深度，同时保证MCN的分类精度。
[0003]MCN为许多上层应用提供了基本支持，因此其各层的分类器性能至关重要，它们将直接本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征重路由的多分类器优化方法，其特征在于：包括以下步骤：S1：构建MCN模型：MCN模型总共有L层，其骨干网的权值集合为W
i
＝{w1，w2，
…
，w
i
|i＝1，2，
…
，L}，各分类器的独享权值为U
L
＝{u1，u2，
…
，u
L
}；设(X，Y)为数据集，X表示样本，Y表示样本标签；S2：对于骨干网的每一层输出的特征f
i
按比例参数τ
i
拆分成和分别输入浅层的分类器和深层网络，0<τ
i
<1；则对应地，用于提取特征的每一层权值w
i
也按照比例参数τ
i
拆分为两个部分令...

【专利技术属性】
技术研发人员：龚成，李涛，卢冶，
申请(专利权)人：南开大学，
类型：发明
国别省市：