融合贝叶斯的压缩CNN植物叶片识别模型

• 作者: 晏铭 朱良宽 景维鹏
• 来源期刊: 哈尔滨理工大学学报
• 关键词: 卷积神经网络 模型压缩 剪枝 参数量化 贝叶斯算法
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 计算机与控制工程|Computer and Control Engineering
• 页码范围: 83-90
• 页数: 8页
• 分类号: TP183
• 语种: 中文
• DOI: 10.15938/j.jhust.2021.03.012

摘要

针对植物叶片识别过程中参数较多且易产生过拟合的问题,为减少其存储及计算的代价,本文提出一种基于贝叶斯融合压缩卷积神经网络植物叶片识别模型.首先,利用递归贝叶斯算法进行网络剪枝,自适应地去除网络冗余;然后,引入K-Means聚类量化网络中的卷积层和完全连接层,用于压缩整个卷积神经网络;最后,结合经典卷积神经网络模型AlexNet,进行植物叶片识别实验.实验结果表明,在相同的数据集中,压缩后的卷积神经网络相比于原网络及其它压缩方法,占用的存储空间更少,压缩率达到36倍,并取得了略好的性能,准确率达到88.58％.