买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西北工业大学深圳研究院

摘要：本发明公开了一种基于进化多目标优化的卷积神经网络压缩方法，包括：对训练好的卷积神经网络中的卷积层和全连接层进行编码，随机生成多个编码个体并组成初始网络种群；计算每个个体解码后对应的卷积神经网络模型精度的适应度函数值和卷积神经网络参数修剪比例适应度函数值，进行非支配排序和拥挤距离度量；将初始网络种群作为父代网络种群，进行遗传操作生成新的子代个体，生成规模为N的子代网络种群；将父代网络种群与子代网络种群结合后再进行非支配排序、拥挤距离度量和精英保持策略，选择最优的前N个个体，得到更新后的网络种群，对每一个卷积神经网络模型进行微调，得到一组卷积神经网络模型。本发明能够有效避免重复计算造成的成本提升，同时保持高分类精度。

主权项：1.一种基于进化多目标优化的卷积神经网络压缩方法，其特征在于，包括：对训练好的卷积神经网络中的卷积层和全连接层进行编码，根据所述卷积层和所述全连接层的稀疏结构，随机生成多个编码个体并组成初始网络种群；对所述初始网络种群中的每个个体进行解码，根据进化多目标剪枝优化模型，计算每个个体解码后对应的卷积神经网络模型精度的适应度函数值和卷积神经网络参数修剪比例适应度函数值；根据所述模型精度的适应度函数值和所述参数修剪比例的适应度函数值，进行非支配排序和拥挤距离度量，确定所述初始网络种群中每个个体的选择概率；将所述初始网络种群作为父代网络种群，根据所述父代网络种群中个体的选择概率随机挑选出父代个体，进行遗传操作生成新的子代个体，将所述子代个体存储在子代网络种群中，直至生成规模为N的子代网络种群；将所述父代网络种群与所述子代网络种群进行合并，根据所述模型精度的适应度函数值和所述参数修剪比例的适应度函数值再进行非支配排序、拥挤距离度量和精英保持策略，选择最优的前N个个体完成一次网络种群更新；依次进行迭代，达到最大迭代次数，完成多次网络种群更新，得到更新后的网络种群，根据所述更新后的网络种群中的个体，得到稀疏网络结构，作为最优的卷积神经网络模型集合；对所述最优的卷积神经网络模型集合中的每一个卷积神经网络模型进行微调，使其对特定输入数据集分类结果达到最优，最终得到分类精度高且网络参数量较小的一组卷积神经网络模型。

全文数据：

权利要求：

百度查询： 西北工业大学深圳研究院 基于进化多目标优化的卷积神经网络压缩方法