面向移动平台的轻量级卷积神经网络架构

• 作者: 封松林 汪辉 田犁 祝永新 胡挺
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 深度学习 卷积神经网络 深度可分离卷积 神经网络压缩 轻量级
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 体系结构与软件技术
• 页码范围: 17-22
• 页数: 6页
• 分类号: TP399
• 字数: 4068字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0049905

摘要

针对深度神经网络在移动平台上存在准确度低、过拟合等问题,提出一种轻量级的卷积神经网络架构.将3×3的深度可分离卷积替换SqueezeNet网络模型基本模块Fire中的标准3×3卷积核,并构建SparkNet的网络结构,替换模型卷积得到网络变形结构.实验结果表明,与SqueezeNet网络结构相比,该架构可以提高网络模型的计算速度,有效降低网络模型规模并减少参数数量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	封松林	中国科学院上海高等研究院	44	296	8.0	16.0
2	汪辉	中国科学院上海高等研究院	23	76	5.0	7.0
3	田犁	中国科学院上海高等研究院	8	17	2.0	3.0
4	祝永新	中国科学院上海高等研究院	8	15	2.0	3.0
5	胡挺	中国科学院上海高等研究院	1	2	1.0	1.0