基于SqueezeNet的轻量化卷积神经网络SlimNet

• 作者: 于津 董艺威
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 图像分类 卷积神经网络 轻量化 分组卷积 分组瓶颈 奇异瓶颈 SlimNet
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 226-232
• 页数: 7页
• 分类号: TP399
• 字数: 5189字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.11.039

摘要

结构参数量和计算量限制了卷积神经网络在移动设备上的应用.主要研究在尽量保持精度的前提下减少结构参数量和计算量.针对分组卷积引起的分组通道间不流通的问题,提出分组瓶颈;针对如何提升分类精度问题,提出奇异瓶颈;使用上述策略改进SqueezeNet,提出轻量化结构SlimNet.实验表明:引入分组瓶颈和奇异瓶颈具有有效性,提出的轻量化结构SlimNet在分类精度、结构参数量及计算量上均优于SqueezeNet.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于津	汕头大学工学院计算机科学与技术系	13	52	4.0	7.0
2	董艺威	汕头大学工学院计算机科学与技术系	1	4	1.0	1.0