Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于ResNet18残差神经网络自蒸馏知识多重利用的训练方法 

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:河南垂天科技有限公司

摘要:本发明属于知识蒸馏技术领域,尤其是一种基于ResNet18残差神经网络自蒸馏知识多重利用的训练方法,现提出如下方案,其包括整体框架、注意模块、浅层分类器和多种知识利用模块,所述Conv3×3表示卷积核为3×3的卷积,64、126、256和512分别表示卷积的输出通道数,maxpool表示最大池化层,AvgPool表示平均池化层,FC1、FC2、FC3和FC4表示输出节点数为100的全连接层,Softmax1、Softmax2、Softmax3、Softmax4和表示Softmax函数,Sigmoid表示Sigmoid函数,本发明:以ResNet18为基础,额外引入注意力模块、浅层分类器、全连接层,构成额外分支,搭建自蒸馏框架,将不同层次的模块知识分别引入浅层分类器中,实现对知识的多重利用,提升蒸馏效果,进而提高网络模型的精度。

主权项:1.一种基于ResNet18残差神经网络自蒸馏知识多重利用的训练方法,包括整体框架、注意模块、浅层分类器和多种知识利用模块,其特征在于,所述Conv3×3表示卷积核为3×3的卷积,64、126、256和512分别表示卷积的输出通道数,maxpool表示最大池化层,AvgPool表示平均池化层,FC1、FC2、FC3和FC4表示输出节点数为100的全连接层,Softmax1、Softmax2、Softmax3、Softmax4和表示Softmax函数,Sigmoid表示Sigmoid函数,Attentionmodule1、Attentionmodule2和Attentionmodule3分别表示额外分支1-3中的注意力模块,Label表示真实图像;ResNet18网络由一个3×3的conv卷积层、一个maxpool最大池化层、Basicblock1残差模块、Basicblock2残差模块、Basicblock3残差模块、Basicblock4残差模块、一个平均池化层、一个全连接层FC4以及Softmax4函数构成,其中Basicblock1残差模块、Basicblock2残差模块、Basicblock3残差模块和Basicblock4残差模块均分别由两组3×3的残差模块组成,各残差模块的输出通道数分别为64、128、256和512,在此基础上,对Basicblock1残差模块、Basicblock2残差模块、Basicblock3残差模块和Basicblock4残差模块四个残差模块分别引入额外分支,Basicblock1残差模块额外分支中注意力模块1、浅层分类器1、全连接层FC1和Softmax函数共同构成浅层分类器1,Basicblock2残差模块的额外分支中注意力模块2、浅层分类器2、全连接层FC2和Softmax函数共同构成浅层分类器2,Basicblock3残差模块中注意力模块3、浅层分类器3、全连接层FC3和Softmax函数共同构成浅层分类器3。

全文数据:

权利要求:

百度查询: 河南垂天科技有限公司 一种基于ResNet18残差神经网络自蒸馏知识多重利用的训练方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。