面向嵌入式应用的深度神经网络模型压缩技术综述

• 作者: 杨国顺 王磊 王若琪 赵英海
• 来源期刊: 北京交通大学学报
• 学科: 工学
• 关键词: 深度神经网络 模型压缩 模型裁剪 张量分解 嵌入式系统
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 深度学习研究进展及应用
• 页码范围: 34-41
• 页数: 8页
• 分类号: TP391.4
• 字数: 7933字
• 语种: 中文
• DOI: 10.11860/j.issn.1673-0291.2017.06.006

摘要

结合大数据的获取,深度神经网络关键技术广泛应用于图像分类、物体检测、语音识别和自然语言处理等领域.随着深度神经网络模型性能不断提升,模型体积和计算需求提高,以致其依赖高功耗的计算平台.为解决在实时嵌入式系统中的存储资源和内存访问带宽的限制,以及计算资源相对不足的问题,开展嵌入式应用的深度神经网络模型压缩技术研究,以便缩减模型体积和对存储空间的需求,优化模型计算过程.对模型压缩技术进行分类概述,包括模型裁剪、精细化模型设计、模型张量分解和近似计算和模型量化等,并对发展状况进行总结.为深度神经网络模型压缩技术的研究提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王磊		13	26	4.0	5.0
2	赵英海		2	11	2.0	2.0
3	杨国顺		1	7	1.0	1.0
4	王若琪		1	7	1.0	1.0