基于混合重要性评分引导的卷积神经网络滤波器剪枝方法

本申请涉及深度学习与人工智能领域，公开了基于混合重要性评分引导的卷积神经网络滤波器剪枝方法，包括以下步骤：对每个滤波器进行混合重要性评分，综合考虑权重和激活值，全面评估滤波器在网络中的贡献；通过计算网络各层的计算资源占比和存储资源占比，动态确定各层的剪枝策略和剪枝阈值，实现对冗余滤波器的精准剪除；在剪枝完成后，采用微调训练进一步恢复模型性能，确保在大幅降低计算和存储开销的同时，保持较高的模型准确率。本发明方法无需依赖特定的网络结构，适用于多种深度神经网络和数据集，具备良好的通用性和适应性，且剪枝过程自动化，降低了人工干预成本。