【技术实现步骤摘要】
本专利技术涉及人工智能，具体为基于一次性自动化网络剪枝的分类方法及系统。
技术介绍
1、图像识别是神经网络在现实世界中应用的一个重要领域，通过对图像进行分类、检测和分割，广泛应用于自动驾驶、医疗诊断、安防监控等领域。然而，现有图像的分辨率越来越高，数据量越来越庞大，因此，对图像数据的分类越来越困难，存在效率低的问题。
技术实现思路
1、本专利技术的目的是：针对现有技术对图像数据进行分类，存在效率低的问题，提出基于一次性自动化网络剪枝的分类方法及系统。
2、本专利技术为了解决上述技术问题采取的技术方案是：
3、基于一次性自动化网络剪枝的分类方法，所述方法包括以下步骤：
4、获取待分类的多类别图像，并将多类别图像输入训练好的分类网络，得到分类结果，所述训练好的分类网络通过以下步骤得到：
5、步骤一：利用训练好的剪枝网络对分类网络进行参数重要性预测，设定稀疏度程度，并以设定的稀疏度程度为阈值，剪除预测重要性分数低于该阈值的参数，保留重要性不低于该阈...
【技术保护点】
1.基于一次性自动化网络剪枝的分类方法，其特征在于所述方法包括以下步骤：
2.根据权利要求1所述的面向图像识别网络的一次性自动化网络剪枝方法，其特征在于所述步骤二中多类别图像为标准化处理后的图像，所述标准化处理包括缩放、裁剪、灰度化、归一化以及数据增强。
3.根据权利要求1所述的面向图像识别网络的一次性自动化网络剪枝方法，其特征在于所述分类网络为ResNet、VGGNet或MobileNet。
4.根据权利要求1所述的面向图像识别网络的一次性自动化网络剪枝方法，其特征在于所述迭代剪枝通过SNIP方法进行。
5.根据权利要...
【技术特征摘要】
1.基于一次性自动化网络剪枝的分类方法，其特征在于所述方法包括以下步骤：
2.根据权利要求1所述的面向图像识别网络的一次性自动化网络剪枝方法，其特征在于所述步骤二中多类别图像为标准化处理后的图像，所述标准化处理包括缩放、裁剪、灰度化、归一化以及数据增强。
3.根据权利要求1所述的面向图像识别网络的一次性自动化网络剪枝方法，其特征在于所述分类网络为resnet、vggnet或mobilenet。
4.根据权利要求1所述的面向图像识别网络的一次性自动化网络剪枝方法，其特征在于所述迭代剪枝通过snip方法进行。
5.根据权利要求4所述的面向图像识别网络的一次性自动化网络剪枝方法，其特征在于所述迭代剪枝具体为：...
【专利技术属性】
技术研发人员：查富生，刘晟凯，程耀锋，张森，郭伟，孙立宁，王鹏飞，
申请(专利权)人：哈工大苏州研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。