一种基于矩阵分解的GCNN网络参量约减方法

AITNT
正文
推荐专利
一种基于矩阵分解的GCNN网络参量约减方法
申请号:CN202411125861
申请日期:2024-08-16
公开号:CN119129656B
公开日期:2025-04-18
类型:发明专利
摘要
本发明公开了一种基于矩阵分解的GCNN网络参量约减方法,包括以下步骤:第一步:输入图像通道和卷积核的稀疏分解,通过转换矩阵和稀疏基,将输入特征图和卷积核进行两次稀疏分解,减少卷积操作的复杂度和计算量;第二步:全连接层的SVD分解,对全连接层的权重矩阵进行SVD分解。该基于矩阵分解的GCNN网络参量约减方法,通过对输入图像通道和卷积核的稀疏分解,将输入特征图和卷积核进行两次稀疏分解,通过转换矩阵和稀疏基,降低卷积操作的复杂度和计算量,主要采用基于通道基和核基的稀疏分解,以减少网络参数对全连接层的权重矩阵进行SVD分解,拆分为两个参数更少的矩阵,通过SVD分解显著减少全连接层的参数量和计算时间,提高网络的整体效率。
技术关键词
矩阵 重构误差最小化 输出特征 复杂度 稀疏字典学习 通道 参数 图像 网络结构 冗余度 元素 基础 关系 级联 图片 变量 逻辑 线性 算法
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号