发明授权
- 专利标题: 基于在线深度学习的数据集自适应裁减方法
-
申请号: CN202110810438.6申请日: 2021-07-19
-
公开(公告)号: CN113610226B公开(公告)日: 2022-08-09
- 发明人: 杨峰 , 吴超 , 纪程 , 周明亮
- 申请人: 南京中科逆熵科技有限公司
- 申请人地址: 江苏省南京市麒麟科技创新园麒麟人工智能产业园5号楼609室
- 专利权人: 南京中科逆熵科技有限公司
- 当前专利权人: 南京中科逆熵科技有限公司
- 当前专利权人地址: 江苏省南京市麒麟科技创新园麒麟人工智能产业园5号楼609室
- 代理机构: 南京理工大学专利中心
- 代理商 岑丹
- 主分类号: G06N3/08
- IPC分类号: G06N3/08 ; G06N3/04 ; G06V10/764 ; G06V10/774 ; G06V10/82 ; G06V20/56 ; G06K9/62
摘要:
本发明公开了一种基于在线深度学习的数据集自适应裁减方法,针对图像数据集选择一种在线深度学习神经网络架构;使用道路图像数据集对所选择的架构进行训练,得到收敛的网络模型;利用机器学习归类算法学习对输入数据集的特征进行在线学习,根据学习结果对图像数据集类别打标签;强化模型依据数据集类别标签识别当前状态,依据强化学习策略选择一种动作,即对逐个通道分别选择一种结构性裁减策略进行裁减,执行该动作并得到该动作的反馈。通过在线实时训练,强化模型最终可以依据数据集类型选择最优的裁减策略以实现精度和开销的均衡。
公开/授权文献
- CN113610226A 基于在线深度学习的数据集自适应裁减方法 公开/授权日:2021-11-05