基于矢量量化压缩密集连接层的图像压缩研究

• 作者: 苏涛 谢小军
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 卷积神经网络 图像压缩 矢量量化 密集连接层
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 研究与探讨
• 页码范围: 97-101,106
• 页数: 6页
• 分类号: TN957.52
• 字数: 4475字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.04.021

摘要

针对卷积神经网络( CNN)在图像压缩耗费较大存储空间问题, 文中通过研究压缩CNN参数的矢量量化方法解决了CNN模型的存储问题.通过压缩密集连接层的存储方式使得矢量量化方法比现有的矩阵分解方法更具优势.将k-均值聚类( KM)应用于权重和乘积量化可以在模型大小和识别精度之间取得较好的权衡.实验结果表明, 结构化量化方法的效果明显优于其他方法, 通过对图像压缩检索验证了压缩模型的泛化能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢小军		21	22	3.0	3.0
2	苏涛		8	0	0.0	0.0