深度学习模型压缩方法在竹种分类中的应用研究

• 作者: 王志玲 李绍稳 金秀
• 来源期刊: 复旦学报（自然科学版）
• 学科: 工学
• 关键词: 竹类 深度学习 模型压缩 剪枝 量化
• 年，卷（期）: 2020,（6）
• 页码范围: 740-747
• 页数: 8页
• 分类号: TP391.41
• 语种: 中文

摘要

本文提出了一种基于深度学习模型压缩的竹种分类方法,旨在将压缩后的模型移植到手机端进行竹种自动分类.首先动态设置阈值删除已经训练的竹种分类模型中不重要权重,迭代剪枝与再训练同时进行.再通过K-Means++聚类算法对神经网络各层的权值聚类,从而实现权值共享,最后再经过量化模型的参数值压缩神经网络模型.实验结果表明:剪枝后的模型相较剪枝前的模型内存占用降低了46.4％.剪枝后模型进行量化后模型压缩了75％.压缩后的模型整体运行速度提升,其中基于AlexNet网络结构相较于VGGNet-16的竹种分类模型压缩后可更好应用到移动端,为离线状态下基于移动端进行分类提供支撑.