Indexed by：
Abstract：
本发明提供了一种基于预决策的卷积神经网络加速方法及系统，该方法包括：根据CNN前向传播和每层计算方式的特点，得到每个特征点的计算代价以及特征点之间的依赖关系；基于每个特征点的计算代价、特征点之间的依赖关系和特征点的分类能力，建立特征点选择模型；根据CNN的结构特点设置一系列递增的特征点数；根据预先建立的训练数据集，使用特征点选择模型对系列递增的特征点数进行逐个优化，得到一系列特征点选择和对应的线性分类器；根据特征点选择和对应的线性分类器，根据预设的阈值将所有的线性分类器构成级联分类器。本发明充分利用CNN的特征冗余性、多层特征计算代价差异性和多级特征的判别力，实现了CNN在二元分类和特定物体检测问题上的加速。
Keyword：
Reprint Author's Address：
Email：
Patent Info ：
Type： 发明申请
Patent No.： CN201511032541.3
Filing Date： 2015-12-31
Publication Date： 2016-06-01
Pub. No.： CN105631519A
Applicants： 北京工业大学
Legal Status： 驳回
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 1
