一种基于线性可分性度量的可解释卷积神经网络结构冗余度评估方法

本发明提供一种基于线性可分性度量的可解释卷积神经网络结构冗余度评估方法，属于神经网络测试技术领域。采用将闵可夫斯基差的线性可分性度量MD‑LSM作为网络的可解释工具，分析深度神经网络中隐层（块）中每个通道对网络整体性能作出的贡献，确定网络隐层中每个通道对隐层（块）分类能力的重要程度；通过对重要程度较低的网络通道进行修剪，实现可解释的网络剪枝；通过可解释的网络隐层冗余度分析和网络剪枝方法，对网络的结构冗余性进行度量，实现网络在时间、计算资源受限任务场景下的适用性可信评估，并为网络的后续冗余性优化提供指导。本方法能够确保评估结果的可靠性，且能够增强网络结构冗余度评估方法对不同任务场景的适应能力。