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：计算机工程与应用, 2019, 55(16): 25-35.

• 卷积神经网络(CNN)
• 轻量化
• 卷积方式

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。

• 出版日期2019
• 单位中国人民解放军陆军工程大学