(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210665482.7 (22)申请日 2022.06.13 (71)申请人 北京海鑫智圣技术有限公司 地址 100070 北京市丰台区南四环西路186 号四区4号楼6层 (72)发明人 刘帅　王贤良　孟凡军　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 刘艳 (51)Int.Cl. G06V 10/82(2022.01) G06F 7/483(2006.01) G06V 10/74(2022.01) G06V 10/764(2022.01) G06V 40/12(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 低比特网络的图像识别方法、 系统及电子设 备 (57)摘要 本发明涉及图像识别技术领域， 提供一种低 比特网络的图像识别方法、 系统及电子设备， 其 中方法包括： 将获取的待识别图像输入图像识别 模型识别出图像特征； 基于图像特征与预存的特 征样本， 得到识别结果； 其中， 将输入图像识别模 型的网络层的特征值 以及网络层的浮点权重分 别量化为预设第一位宽的特征值数据和预设第 二位宽的权重数据， 预设第一位宽和预设第二位 宽分别小于量化前的特征值和浮点权重的位宽。 该方法用以解决现有技术中在基于深度学习的 图像识别中， 应用浮点数据进行运算， 所造成的 需要较高存储资源和计算资源支持的缺陷， 实现 浮点数据的低比特量化， 进而降低基于深度学习 的图像识别， 对存储资源和计算资源的要求， 提 高识别效率。 权利要求书3页 说明书14页 附图2页 CN 114972957 A 2022.08.30 CN 114972957 A 1.一种低比特网络的图像识别方法， 其特 征在于， 包括： 获取待识别图像； 将所述待识别图像输入图像识别模型中， 识别所述待识别图像的图像特 征； 基于所述待识别图像的图像特征与预存的特征样本， 得到所述待识别图像的识别结 果； 其中， 针对所述图像识别模型的每个网络层， 将输入所述网络层的特征值以及所述网 络层的浮点权重分别量化为预设第一位宽的特征值数据和预设第二位宽的权重数据， 所述 预设第一位宽和所述预设第二位宽分别小于量化前的所述特征值的位宽和所述浮点权重 的位宽。 2.根据权利要求1所述的低比特网络的图像识别方法， 其特征在于， 所述将输入所述网 络层的特征值以及所述网络层的浮点权重分别量化为预设第一位宽的特征值数据和预设 第二位宽的权 重数据， 包括： 按照第一预设规则， 将所述特 征值限制在第一预设数值范围内； 基于限制在所述第 一预设数值范围内的所述特征值和所述预设位宽， 得到所述特征值 数据。 3.根据权利要求2所述的低比特网络的图像识别方法， 其特征在于， 所述第 一预设规则 为： 当所述特征值小于所述第 一预设数值范围的下限值 时， 将所述特征值设定为等于所述 下限值； 当所述特 征值处于所述第一预设数值范围内时， 保持所述特 征值不变； 当所述特征值大于所述第 一预设数值范围的上限值 时， 将所述特征值设定为等于所述 上限值。 4.根据权利要求2所述的低比特网络的图像识别方法， 其特征在于， 所述基于限制在所 述第一预设数值范围内的所述特 征值和所述预设位宽， 得到所述特 征值数据， 包括： 基于所述预设第一 位宽， 得到在所述预设第一 位宽下的最大值； 将限制在所述第一预设数值范围内的所述特征值和在所述预设第一位宽下的最大值 相乘， 得到第一乘积； 对所述第一乘积进行 取整， 得到所述特 征值数据。 5.根据权利要求1所述的低比特网络的图像识别方法， 其特征在于， 所述将输入所述网 络层的特征值以及所述网络层的浮点权重分别量化为预设第一位宽的特征值数据和预设 第二位宽的权 重数据， 包括： 按照第二预设规则， 将所述 浮点权重变换到第二预设数值范围内； 基于变换到所述第 二预设数值范围内的所述浮点权重和所述预设第 二位宽， 得到变换 到所述第二预设数值范围内的所述 浮点权重的近似值； 按照第三预设规则， 将所述 浮点权重的近似值变换到第三预设数值范围内； 基于变换到所述第 三预设数值范围内的所述浮点权重的近似值和所述预设第 二位宽， 得到所述权 重数据。 6.根据权利要求5所述的低比特网络的图像识别方法， 其特征在于， 所述第 二预设规则 为：权　利　要　求　书 1/3 页 2 CN 114972957 A 2w2＝f(w) 其中， w2表示变换到所述第二预设数值范围内的浮点权重； f(w)表示将w2限制在所述 第二预设数值范围内的单调递增函数； w表示所述网络层的浮 点权重。 7.根据权利要求5所述的低比特网络的图像识别方法， 其特征在于， 所述基于变换到所 述第二预设数值范围内的所述浮点权重和所述预设第二位宽， 得到变换到所述第二预设数 值范围内的所述 浮点权重的近似值， 包括： 基于所述预设第二 位宽， 得到在所述预设第二 位宽下的最大值； 将变换到所述第二预设数值范围内的所述浮点权重和在所述预设第二位宽下的最大 值相乘， 得到第二乘积； 对所述第二乘积进行取整， 并除以在所述预设第二位宽下的最大值， 得到变换到所述 第二预设数值范围内的所述 浮点权重的近似值。 8.根据权利要求7所述的低比特网络的图像识别方法， 其特征在于， 所述第 三预设规则 为： w4＝w3*2‑1 其中， w4表示变换到第三预设数值范围内的所述浮点权重的近似值； w3表示所述浮点 权重的近似值。 9.根据权利要求8所述的低比特网络的图像识别方法， 其特征在于， 所述基于变换到所 述第三预设数值范围内的所述浮点权重的近似值和所述预设第二位宽， 得到所述权重数 据， 包括： 将变换到所述第三预设数值范围内的所述浮点权重的近似值和在所述预设第二位宽 下的最大值相乘， 得到第三乘积； 对所述第三乘积进行 取整， 得到所述权 重数据。 10.根据权利要求1所述的低比特网络的图像识别方法， 其特征在于， 还包括所述特征 样本的获取 方式： 获取表征待识别目标的第一图像； 由所述第一图像上滑窗截取 预设面积的多个第二图像； 标记所述第 二图像包含的用于识别所述待识别目标的特征点； 所述特征点为所述第 二 图像中或在所述第二图像周边预设距离内的特 征点； 获取所述特征点与相应的所述第二图像的位置关系； 将得到所述 位置关系的所述第二图像作为所述特 征样本。 11.根据权利要求10所述的低比特网络的图像识别方法， 其特征在于， 所述特征样本的 获取方式， 还包括： 依次选取多张所述第一图像中的一张， 作为基准图像； 基于所述基准图像的所述第二图像的所述特征点， 以及所述位置关系， 将所述基准图 像的所述第二图像与除所述基准图像外的所述第一图像的所述第二图像进 行配对， 所述配 对指所述基准图像的所述第二图像与除所述基准图像外的所述第一图像的所述第二图像， 表征所述待识别目标的相同区域； 将配对的所述第二图像合并为同一类别， 作为所述特 征样本。 12.一种低比特网络的图像识别系统， 其特 征在于， 包括：权　利　要　求　书 2/3 页 3 CN 114972957 A 3