基于压缩卷积神经网络的交通标志分类算法

• 作者: 张建明 李旭东 王伟 陆朝铨
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 卷积神经网络 交通标志分类 通道剪枝 参数量化 模型压缩
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 计算机与控制工程
• 页码范围: 103-108
• 页数: 6页
• 分类号: TP183
• 语种: 中文
• DOI: 10.13245/j.hust.190119

摘要

针对车载计算系统很难满足大型卷积神经网络对计算资源和存储空间需求的问题,提出了一种基于压缩卷积神经网络的交通标志分类算法.首先挑选原始VGG-16和AlexNet在GTSRB数据集上进行分类训练;然后对网络模型进行基于泰勒展开的通道剪枝删除冗余的特征图通道;接着使用三值量化方法对剪枝后的网络模型进行参数量化;最后进行了通道剪枝、参数量化和组合压缩的实验.结果表明:本算法有效地压缩了网络模型,减少了运算次数.最终组合压缩的VGG-16网络模型的存储空间减少一半,参数数量为原始模型的9％,每秒浮点运算次数减少为原始模型的1/5,模型加载速度提升了5倍,测试速度提升了2倍,精度为原始模型的97％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张建明	长沙理工大学综合交通运输大数据智能处理湖南省重点实验室	25	87	6.0	7.0
2	王伟	长沙理工大学计算机与通信工程学院	12	42	4.0	6.0
3	李旭东	长沙理工大学计算机与通信工程学院	4	10	2.0	3.0
4	陆朝铨	长沙理工大学综合交通运输大数据智能处理湖南省重点实验室	3	7	2.0	2.0