面向深度神经网络剪枝技术的公平性优化及图像分类方法

本发明公开了面向深度神经网络剪枝技术的公平性优化及图像分类方法，涉及人工智能安全技术领域，其中公平性优化方法包括：获取训练数据集；通过训练数据集训练初始神经网络模型，获取神经网络模型；对神经网络模型进行剪枝；通过训练数据集和剪枝后的神经网络模型，获取不同敏感属性子组样本的几何度量，并对不同敏感属性子组样本的几何度量进行平均处理，计算极差公平性约束项，利用极差公平性约束项和分类损失项计算总体损失，通过总体损失对剪枝后的神经网络模型进行微调训练，获取目标剪枝模型。本发明能够在特征层面平衡组间性能，以解决现有研究无法在资源有限的终端设备中直接部署和快速与现有剪枝技术集成的不足。