一种基于全量化VGG风格卷积神经网络的图像分类方法

本发明涉及一种基于全量化VGG风格卷积神经网络的图像分类方法，属于人工智能与图像处理技术领域。首先预训练全精度图像分类网络，为低比特量化提供具有高精度、量化友好的良好初始化权值。然后进行低比特量化感知训练，获取性能优异的低比特量化VGG风格卷积神经网络权值。将量化后网络中的低精度‑高精度数转换映射、批正则化层和激活层进行融合合并为查找表参数，并将剩余的卷积层网络参数从浮点数表示低伪低精度整数转换为真正的低精度整数网络参数，用于部署。利用转换后的图像分类网络，进行图像分类。本发明极大改善了低比特量化的VGG风格卷积神经网络的性能，提升了图像分类的精确度和推理速度，具有较高的实际应用价值。