一种新的深度卷积神经网络结构优化方法

本发明涉及深度学习技术领域，公开了一种新的深度卷积神经网络结构优化方法，该方法包括：对深度卷积神经网络模型进行预训练，得到待剪枝的网络模型；根据卷积核范数的统计分布特性选取显著卷积核；利用显著卷积核对滤波器进行重要性度量；利用BN层全参数构建层剪枝敏感度，使用整体剪枝率对各层剪枝率进行配分，确认每层剪枝率；对每个卷积层的滤波器进行剪枝；结合知识蒸馏进行微调，本发明用显著卷积核对滤波器进行重要性度量，减少非显著卷积核造成的干扰，使用BN层全参数对各层剪枝敏感性进行评价，配分各层剪枝率，避免人为设置剪枝率的主观性，进行滤波器剪枝，运用知识蒸馏辅以微调，获得高性能的轻量级模型，实现了结构优化。