轻量化卷积神经网络技术研究

• 作者: 毕鹏程 罗健欣 陈卫卫
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 卷积神经网络(CNN) 轻量化 卷积方式
• 年，卷（期）: 2019,（16）
• 所属期刊栏目: 热点与综述
• 页码范围: 25-35
• 页数: 11页
• 分类号: TP391.4
• 字数: 10110字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1903-0340

摘要

为了使卷积神经网络模型更好地应用于移动端和嵌入式设备,必须从减少模型参数量和降低计算复杂度两方面入手.首先简要介绍了目前几种流行的解决方法,并详细阐述了六个轻量化卷积神经网络模型,展示了其中应用的不同网络计算方式的计算量和参数量,论述了模型的核心构建模块、整体网络结构和创新之处.分析了各网络以及常规卷积网络在ImageNet数据集上的分类准确度,进而对比各网络实现轻量化的技巧,得出在进行模型设计时采用直接指标替代间接指标的结论.同时发现了残差结构对保证轻量化模型准确率的重要性.最后对轻量化卷积神经网络的发展前景进行了展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈卫卫	中国人民解放军陆军工程大学指挥控制工程学院	6	51	4.0	6.0
2	毕鹏程	中国人民解放军陆军工程大学指挥控制工程学院	2	8	1.0	2.0
3	罗健欣	中国人民解放军陆军工程大学指挥控制工程学院	8	16	2.0	3.0