公开(公告)号：CN109635939A

公开(公告)日：2019-04-16

申请号：CN201910013045.5

申请日：2019-01-07

Applicant: 北京邮电大学

Inventor： 祝闯 ,  宋舫舟 ,  刘军 ,  董慧慧

IPC: G06N3/04

Abstract: 本发明实施例提供的一种基于裁剪的卷积神经网络的确定方法及装置，方法包括：针对样本集中的一个样本，将该样本输入预设的卷积神经网络，通过卷积神经网络的卷积层的各个通道输出的该样本特征图的矩阵；针对卷积层的一个通道输出的样本的特征图的矩阵，将该矩阵进行压缩成数字，利用Sigmoid函数，确定卷积神经网络的卷积层各个通道的激励因子，然后确定卷积神经网络的卷积层各个通道的权重；针对预设卷积神经网络的一个卷积层，在该卷积层中选择通道的权重低于权重阈值的通道进行裁剪，将裁剪后的卷积神经网络作为已训练卷积神经网络，降低了卷积神经网络内部结构的复杂度，减少用于识别待识别病理图像的标签类别的时间。

公开(公告)号：CN109635939B

公开(公告)日：2020-12-18

申请号：CN201910013045.5

申请日：2019-01-07

Applicant: 北京邮电大学

Inventor： 祝闯 ,  宋舫舟 ,  刘军 ,  董慧慧

IPC: G06N3/04

Abstract: 本发明实施例提供的一种基于裁剪的卷积神经网络的确定方法及装置，方法包括：针对样本集中的一个样本，将该样本输入预设的卷积神经网络，通过卷积神经网络的卷积层的各个通道输出的该样本特征图的矩阵；针对卷积层的一个通道输出的样本的特征图的矩阵，将该矩阵进行压缩成数字，利用Sigmoid函数，确定卷积神经网络的卷积层各个通道的激励因子，然后确定卷积神经网络的卷积层各个通道的权重；针对预设卷积神经网络的一个卷积层，在该卷积层中选择通道的权重低于权重阈值的通道进行裁剪，将裁剪后的卷积神经网络作为已训练卷积神经网络，降低了卷积神经网络内部结构的复杂度，减少用于识别待识别病理图像的标签类别的时间。