基于知识转移技术的边缘侧轻量级深度学习目标分类及检测方法

摘要

本发明涉及人工智能技术领域，尤其涉及一种基于知识转移技术的边缘侧轻量级深度学习目标分类及检测方法，包括如下步骤：步骤S1：通过全精度网络对BWN模型进行初始化；步骤S2：对已初始化的BWN模型进行微调；步骤S3：对BWN模型进行分层，及将对层数进行分组；步骤S4：按组的相反顺序对BWN模型进行二值化；步骤S5：设置全精度CNN模型，并通过知识转移技术使BWN模型学习全精度CNN模型相似的特征。通过将全精度CNN模型作为教师网络，将BWN模型作为学生网络，让BWN在训练过程中模仿教师网络中间层的响应，通过这种额外的监督提高BWN的收敛性，并有效地避免了常规BWN训练中的精度下降的问题；既不增加模型复杂度也不增加计算成本，而且易于实现。