典型文献
基于嵌入式平台的卷积神经网络压缩加速方法
文献摘要：
针对一般无人车或无人机平台算力较低,无法运行较大的深度神经网络目标检测模型,或者即使能运行也无法达到实时目标检测的问题,提出了基于特定嵌入式平台的轻量级卷积神经网络压缩加速方法,在结构中引入attention机制,采用分组卷积与快速卷积结构使模型推理速度加快,并通过知识蒸馏学习当前SOTA目标检测模型Fast的目标检测能力,最后通过后统计量化方法将推理模型进一步压缩提速,让模型在保持大型目标检测网络检测精度的同时,在嵌入式平台上也达到高精度实时运行的能力.在Nano无人车平台上,使用PASCAL VOC、ImageNet数据集对压缩后的目标检测模型进行实验验证.结果表明,模型参数量减少40％,平均精度均值(mean Average Precision,mAP)仅损失0.7％,每秒帧数(Frame Per Second,FPS)提升45％,并可在无人车上实时运行.
文献关键词：
模型加速;知识蒸馏;目标检测;attention机制
中图分类号：
作者姓名：
贺彦钧;张旭博
作者机构：
中国电子科技集团公司第三十研究所,四川 成都 610041
文献出处：
引用格式：
[1]贺彦钧;张旭博-.基于嵌入式平台的卷积神经网络压缩加速方法)[J].通信技术,2022(12):1636-1641
A类：
B类：
嵌入式平台,神经网络压缩,加速方法,无人车,无人机平台,算力,深度神经网络,目标检测模型,使能,实时目标检测,轻量级卷积神经网络,attention,分组卷积,模型推理,推理速度,知识蒸馏,蒸馏学习,SOTA,Fast,检测能力,过后,统计量,量化方法,推理模型,提速,目标检测网络,网络检测,检测精度,时运,Nano,PASCAL,VOC,ImageNet,模型参数量,平均精度均值,mean,Average,Precision,mAP,每秒,Frame,Per,Second,FPS,车上,模型加速
AB值：
0.48497
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
