-
公开(公告)号：CN117197576A
公开(公告)日：2023-12-08
申请号：CN202311208995.6
申请日：2023-09-19
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种基于非线性池化与深度可分离卷积的适用于MCU部署的图像分类方法，涉及机器学习领域。该图像分类方法，具体包括以下步骤：步骤1.MCU‑BLOCK‑A的获取，对轻量化神经网络MobileNets的深度可分离卷积进行改进得到MCU‑BLOCK‑A，利用一个深度卷积和逐点卷积，并在它们之间加入了BN层和高效通道注意力机制，最后再增加一层深度卷积，并将输入与最后一层深度卷积输出进行残差连接，步骤2.MCU‑BLOCK‑B的获取，步骤3.结合非线性池化层构建模型。本发明所提出的模型参数量低、峰值内存占用少，满足大部分MCU资源需求，并取得了较好的分类性能。将机器学习模型在MCU上运行，可以避免将数据上传到云，极大地保护了数据隐私，加速实时处理和响应，大大减少了能源消耗。
Search Results
1
records
(took 0.019 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
