技术编号:15853376
提示:您尚未登录,请点 登 陆 后下载,如果您还没有账户请点 注 册 ,登陆完成后,请刷新本页查看技术详细信息。本发明涉及一种基于知识蒸馏的卷积神经网络优化方法。背景技术目前,深度学习由于其强大的表征能力,提取的特征相比传统方法手工构造的特征具有更强的鲁棒性,因此以卷积神经网络(CNN)为代表的深度学习技术被广泛应用于图像分类、目标检测、图像分割等多种传统计算机视觉任务中。其中,在图像分类中CNN应用的典型方式是基于交叉熵方法作为损失函数,进行CNN模型的训练。近年来,深度学习的发展呈现三大趋势:模型结构日趋复杂、模型层次不断加深、海量数据集不断发展。然而,随着在移动端及嵌入式平台运用CNN进行边缘计算的...
注意:该技术已申请专利,请尊重研发人员的辛勤研发付出,在未取得专利权人授权前,仅供技术研究参考不得用于商业用途。
该专利适合技术人员进行技术研发参考以及查看自身技术是否侵权,增加技术思路,做技术知识储备,不适合论文引用。
请注意,此类技术没有源代码,用于学习研究技术思路。