基于滤波器裁剪的卷积神经网络加速算法

• 作者: 李浩 赵文杰 韩波
• 来源期刊: 浙江大学学报（工学版）
• 学科: 工学
• 关键词: 深度学习 卷积神经网络(CNN) 模型压缩 滤波器 特征图
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 自动化技术、计算机技术
• 页码范围: 1994-2002
• 页数: 9页
• 分类号: TP183
• 字数: 4935字
• 语种: 中文
• DOI: 10.3785/j.issn.1008-973X.2019.10.017

摘要

针对卷积神经网络(CNN)模型的压缩和加速问题,提出基于滤波器裁剪的新型卷积神经网络模型加速算法.通过计算卷积层中滤波器的标准差值衡量该滤波器的重要程度,裁剪对神经网络准确率影响较小的滤波器及对应的特征图,可以有效地降低计算成本.与裁剪权重不同,该算法不会导致网络稀疏连接,不需要应用特殊的稀疏矩阵计算库.基于CIFAR-10数据集的实验结果表明,该滤波器裁剪算法能够对VGG-16和ResNet-110模型加速30％以上,通过微调继承的预训练参数可以使结果接近或达到原始模型的精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩波	浙江大学航空航天学院	62	695	16.0	24.0
2	李浩	浙江大学航空航天学院	28	371	9.0	19.0
3	赵文杰	浙江大学航空航天学院	3	2	1.0	1.0