摘要
本发明提供了一种图像目标识别方法,包括:将图像集中的图像输入训练后的浮点数深度神经网络模型,获取浮点数深度神经网络模型各隐藏层输出浮点数的取值范围;根据浮点数深度神经网络模型各隐藏层输出浮点数的取值范围,结合量化后定点数的目标位宽值,确定每个隐藏层的输出浮点数与定点数非对称量化关系式中的参数;确定每个隐藏层的输出浮点数与定点数非对称量化关系式为:在浮点数深度神经网络模型的各隐藏层后,分别采用各隐藏层对应的输出浮点数与定点数非对称量化关系式取代ReLU函数,获得定点数神经网络模型;向定点数神经网络模型中输入待测图像,定点数神经网络模型中各隐藏层输出的浮点数转化为定点数,并完成图像目标识别。
技术关键词
深度神经网络模型
浮点数
图像
识别方法
ReLU函数
飞行器
深度学习神经网络模型
格式
参数
变量
数据
系统为您推荐了相关专利信息
图像采集装置
压力变送器
铁路隧道防护门
监测方法
图像分类识别
定位方法
实时图像
非暂态计算机可读存储介质
宠物机器人技术
宠物定位装置
多模态脑机接口
多模态特征
运动想象识别方法
肌电特征
融合特征