← 返回列表
模型剪枝方法、人脸识别模型训练方法及人脸识别方法
摘要文本
本发明涉及机器学习技术领域，公开了模型剪枝方法、人脸识别模型训练方法及人脸识别方法。本发明提供了一种模型剪枝方法，包括：获取图像样本集；按照预设的第一训练周期次数，通过图像样本集训练预置的神经网络模型，且在每一轮训练周期结束后，按照预设剪枝率，对神经网络模型中的目标卷积层在当前训练周期下的初始权重参数进行剪枝处理，得到中间权重参数，并基于中间权重参数确定下一训练周期的初始权重参数；若当前训练周期为最后一轮训练周期，则将当前训练周期下的中间权重参数作为目标卷积层的目标权重参数，得到目标模型。能够动态的对目标卷积层进行剪枝处理，从而提高模型的泛化能力和鲁棒性。。详见官网：
申请人信息
- 申请人:苏州元脑智能科技有限公司
- 申请人地址:215000 江苏省苏州市吴中经济开发区郭巷街道官浦路1号9幢
- 发明人: 苏州元脑智能科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 模型剪枝方法、人脸识别模型训练方法及人脸识别方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311803044.3 |
| 申请日 | 2023/12/26 |
| 公告号 | CN117474070A |
| 公开日 | 2024/1/30 |
| IPC主分类号 | G06N3/082 |
| 权利人 | 苏州元脑智能科技有限公司 |
| 发明人 | 温东超; 葛沅; 史宏志; 赵雅倩; 梁玲燕; 崔星辰; 张英杰 |
| 地址 | 江苏省苏州市吴中经济开发区郭巷街道官浦路1号9幢 |
专利主权项内容
1.一种模型剪枝方法，其特征在于，所述方法包括：获取图像样本集；按照预设的第一训练周期次数，通过所述图像样本集训练预置的神经网络模型，且在每一轮训练周期结束后，按照预设剪枝率，对所述神经网络模型中的目标卷积层在当前训练周期下的初始权重参数进行剪枝处理，得到中间权重参数，并基于所述中间权重参数确定下一训练周期的初始权重参数；若当前训练周期为最后一轮训练周期，则将当前训练周期下的中间权重参数作为所述目标卷积层的目标权重参数，得到目标模型。