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：大连理工大学

摘要：本发明公开了一种面向图像分割的全卷积神经网络密度峰剪枝方法，属于图像处理领域。根据前向传播时的卷积层访问顺序依次对网络中每个卷积层进行剪枝：首先将待剪枝卷积层中所有卷积核参数组合为二维权值矩阵；在聚类期间，将每个卷积核视作单个样本，基于密度峰聚类算法对卷积核样本展开聚类；之后计算每个卷积核的零激活率，根据零激活率阈值对不同簇内的卷积核进行剪枝，即直接删除簇内零激活率大于指定阈值的卷积核。然后重新训练该卷积层中未剔除卷积核的权值参数，并利用。待全卷积神经网络所有层都已剪枝后，完成对该网络的轻量化操作；将图像数据输入轻量化操作后的网络，每输入一张图片，该网络都会输出一张分割后的等比例大小图片。

主权项：1.一种面向图像分割的全卷积神经网络密度峰剪枝方法，包括全卷积神经网络密度峰剪枝和图像分割两个部分，其特征在于：一全卷积神经网络密度峰剪枝所述的全卷积神经网络密度峰剪枝方法共分为基于密度峰聚类的卷积核簇划分、卷积核簇内APoZ剪枝以及权重值参数重新训练三个步骤；1基于密度峰聚类的卷积核簇划分令K＝[k1,k2,...,kn]T，表示卷积神经网络中第i层卷积层对应的卷积核，其中，n表示第i层的卷积核个数，且kα∈Rh×w×d表示第α卷积核，α＝1,2,...,n，h、w和d分别表示第i层卷积核的高度、宽度以及深度；将kα展开成一维卷积核向量，则kα'∈Rs×1，s＝h×w×d，即s为高度、宽度、深度的乘积；接着将第i层所有卷积核向量k'α组合为集合：K'＝[k′1,k′2,...,k′n]4对K'实行密度峰聚类算法，设聚类将卷积核聚成m个簇，则结果为：CL＝CL1∪CL2∪...∪CLm5式中，表示第i层中所有卷积核聚类后，β＝1,2,...,m，簇β中包含的卷积核集合，其中αγ表示簇内对应的卷积核索引值，γ＝1,2,...,|CLβ|，|CLβ|表示簇β包含的卷积核个数；2卷积核簇内APoZ剪枝计算第i层中每个卷积核的零激活率由于各个簇中卷积核个数不尽相同，因此根据每个簇中的卷积核个数定义每个簇内阈值以便于各个簇内剪枝的卷积核比例相同；接着遍历每个簇β，若CLβ内某卷积核的零激活率高于阈值则将其剔除；簇β待删除卷积核集合为： 由此，第i层筛选出的待删除卷积核集合为： 3权重值参数重新训练利用训练集合对卷积神经网络中的部分参数进行重新训练，等待重新训练的卷积核集合为： 参数重新训练结束后，则该层卷积层完成一次剪枝过程；此时若该层剩余卷积核数量达到压缩比例要求，则开始对全卷积神经网络的i+1层剪枝，否则重复上述过程；二图像分割待全卷积神经网络所有层都已剪枝后，完成对该网络的轻量化操作；轻量化操作后的网络用于边缘侧设备处理图像分割任务；以图像数据作为输入，每输入一张图片，该网络都会输出一张分割后的等比例大小图片。

全文数据：

权利要求：

百度查询： 大连理工大学 一种面向图像分割的全卷积神经网络密度峰剪枝方法