一种减少参数数量的AlexNet模型架构的制作方法

技术特征：
1.一种减少参数数量的alexnet模型架构，其特征在于：包括依次设置的输入图片(201)、第一卷积层(202)、第一激活函数(203)、第一池化层(204)、第二卷积层(205)、第二激活函数(206)、第二池化层(207)、第三卷积层(208)、第三激活函数(209)、第四卷积层(210)、第四激活函数(215)、第五卷积层(211)、第五激活函数(212)、全局平均池化层(213)和全连接层(214)。2.按照权利要求1所述的一种减少参数数量的alexnet模型架构，其特征在于：所述第二卷积层(205)、第三卷积层(208)、第四卷积层(210)和第五卷积层(211)均采用分组卷积的结构且均包括：输入特征图(300)、将输入特征图(300)分成的n组输入特征图组、以及卷积运算(310)；其中，所述n的取值为大于2的自然数。3.按照权利要求2所述的一种减少参数数量的alexnet模型架构，其特征在于：所述卷积运算(310)的运算公式为：其中，s为矩阵c的行数，t为矩阵c的列数，矩阵c对应输出特征图，m为矩阵a的行数，n为矩阵a的列数，矩阵a对应卷积核，矩阵b对应输入特征图，i为取值为0～m-1的自然数，j为取值为0～n-1的自然数。4.按照权利要求1所述的一种减少参数数量的alexnet模型架构，其特征在于：所述第一卷积层(202)、第二卷积层(205)、第三卷积层(208)、第四卷积层(210)和第五卷积层(211)的卷积核大小均为3
×
3。5.按照权利要求1所述的一种减少参数数量的alexnet模型架构，其特征在于：所述全局平均池化层(213)包括输入特征图(401)、全局平均计算(402)和输出特征图(403)。6.按照权利要求1所述的一种减少参数数量的alexnet模型架构，其特征在于：所述第一激活函数(203)、第二激活函数(206)、第三激活函数(209)、第四激活函数(215)和第五激活函数(212)均采用relu bn激活函数。

技术总结
本发明公开了一种减少参数数量的AlexNet模型架构，包括依次设置的输入图片、第一卷积层、第一激活函数、第一池化层、第二卷积层、第二激活函数、第二池化层、第三卷积层、第三激活函数、第四卷积层、第四激活函数、第五卷积层、第五激活函数、全局平均池化层和全连接层。本发明在保证识别准确度的前提下能够大幅减少AlexNet网络模型参数数量。AlexNet网络模型参数数量。AlexNet网络模型参数数量。


技术研发人员：朱雪晨 蔡刚 黄志洪
受保护的技术使用者：中科亿海微电子科技（苏州）有限公司
技术研发日：2021.11.19
技术公布日：2022/2/23