本技术提供一种适用于硬件电路的高精度压缩方法、装置及电子设备,应用于图像处理技术领域,该方法包括:获取目标图像;将所述目标图像输入卷积神经网络模型;输出所述目标图像对应的图像类别;其中,该卷积神经网络模型是基于不同类别的图像训练得到的、经过压缩的神经网络模型,该卷积神经网络模型的每个卷积层中包括至少一组卷积核参数为卷积核共享参数。
背景技术
卷积神经网络是图像识别领域的核心算法之一,在学习数据充足时可以有稳定的表现。但是由于卷积神经网络模型通常包含数以百万计甚至千万计的参数和几十层甚至上百层的网络,因此,在实际应用中通常需要非常大的计算代价和存储空间。
为了减少存储和计算成本,现有技术中,一般是通过参数修剪去除卷积神经网络模型中冗余的项,并根据参数的重要性进行参数共享。然而,这些方式的作用效果是有限的,不能满足压缩需求。
实现思路