一种图像识别方法、终端设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111126501A(43)申请公布日2020.05.08(21)申请号201911365650.5(22)申请日2019.12.26(71)申请人厦门市美亚柏科信息股份有限公司地址361000福建省厦门市软件园二期观日路12号102-402单元(72)发明人孙伟鹏尤俊生高志鹏赵建强(74)专利代理机构厦门市精诚新创知识产权代理有限公司35218代理人何家富(51)Int.Cl.G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书1页说明书4页附图1页(54)发明名称一种图像识别方法、终端设备及存储介质(57)摘要本发明涉及一种图像识别方法、终端设备及存储介质，该方法包括以下步骤：S1：采集图像并对其进行标记后组成训练集；S2：通过训练集对神经网络模型进行训练，并对训练后的神经网络模型进行剪枝，剪枝过程如下：S21：输入每层卷积层的所有卷积核，设定卷积层的最大簇间距，层数i＝N，N表示卷积层的总层数；S22：判断i<1是否成立，如果是，进入S26；否则，进入S23；S23：将第i层卷积层的所有通道进行聚类合并为M个簇；S24：根据合并后的M个簇，生成第i层卷积层的M个通道，使得每个通道仅保留一个卷积核；S25：令i＝i-1，返回S22；S26：输出每层卷积层的所有卷积核；S3：通过剪枝后的神经网络模型进行图像识别。本发明提高了图像识别的效率。CN111126501ACN111126501A权利要求书1/1页1.一种图像识别方法，其特征在于，包括以下步骤：S1：采集图像并对其进行标记后组成训练集；S2：通过训练集对神经网络模型进行训练，并对训练后的神经网络模型进行剪枝，所述对神经网络模型进行剪枝的过程包括以下步骤：S21：输入神经网络模型中每层卷积层的所有卷积核，设定每层卷积层的最大簇间距，初始化设定层数i＝N，N表示卷积层的总层数；S22：判断i<1是否成立，如果是，进入S26；否则，进入S23；S23：将第i层卷积层的所有通道进行聚类合并为M个簇，使得合并后的任意两个簇之间的簇间距小于该层对应的最大簇间距；S24：根据合并后的M个簇，生成第i层卷积层的M个通道，使得每个通道仅保留一个卷积核；S25：令i＝i-1，返回S22；S26：输出每层卷积层的所有卷积核；S3：通过剪枝后的神经网络模型对待识别图像进行识别后输出。2.根据权利要求1所述的图像识别方法，其特征在于：步骤S23中聚类合并的方法包括以下步骤：S231：初始化设定每个通道的卷积核作为一个簇；S232：迭代计算任意两个簇之间的簇间距，当簇间距小于最大簇间距时，将该簇间距对应的两个簇合并为一个簇。3.根据权利要求2所述的图像识别方法，其特征在于：簇间距的计算方法为根据两个簇中的卷积核之间的距离计算两个簇之间的最小距离、最大距离或平均距离中的一种。4.根据权利要求3所述的图像识别方法，其特征在于：卷积核之间的距离的计算方法为：将卷积核转换为行向量，通过计算两个行向量之间的距离得到两个卷积核之间的距离。5.一种图像识别终端设备，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～4中任一所述方法的步骤。6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～4中任一所述方法的步骤。2CN111126501A说明书1/4页一种图像识别方法、终端设备及存储介质技术领域[0001]本发明涉及图像识别领域，尤其涉及一种图像识别方法、终端设备及存储介质。背景技术[0002]目前，图像分类、人脸识别等图像分类识别中，通常采用神经网络模型进行识别。然而，随着人工智能技术的不断发展，神经网络模型的部署也需要逐渐完成从大型PC机到端侧的转移，但由于端侧计算资源有限，又同时要保证神经网络模型的大小和精度几乎不受影响，由此，各种神经网络模型的压缩技术越来越受关注。为了实现神经网络的压缩与加速，技术人员提出了诸如剪枝、量化、低秩分解等方案。[0003]最开始的剪枝方法按层权重绝对值大小剪枝，可以剪去激活较小的不重要的权重。通道剪枝则可以解决加速的问题，现有的通道剪枝方法主要有：(1)根据整体通道权值大小，整体权重较大的保留，而权重较小的剪除，典型的代表方法为PFEC(LiH,KadavA,DurdanovicI,etal.PruningFiltersforEfficientConvNets[J].2016)；(2)用一个最能代表整个层权重的通道卷积核来近似，然后计算其他通道到这个通道的欧式距离，依次剪去距离该卷