典型文献
基于特征图分块偏移的二值化卷积神经网络
文献摘要：
近年来,随着卷积神经网络(Convolutional Neural Network,CNN)的发展,网络模型变得更加庞大,网络结构更加复杂,这限制了其在性能受限的嵌入式平台上的发展.针对这个问题,研究人员提出了一种模型二值化的方法,大幅度提升了网络存储和计算效率,但同时带来了信息损失,导致模型准确率下降.针对二值化卷积神经网络中信息损失问题,提出了两种解决方法.首先提出最大最小池化,使降采样层能够同时保留正值信息和负值信息;其次对特征图二值激活过程中信息丢失的原因进行了分析,并提出了基于特征图分块偏移的二值化方法,有效保留了特征图在二值量化后的局部信息;最后通过实验表明所提方法有效提升了二值化网络模型的性能.
文献关键词：
二值卷积神经网络;深度学习;车辆分类;梯度近似
中图分类号：
作者姓名：
张邦源;沈韬;曾凯
作者机构：
昆明理工大学,云南 昆明 650500
文献出处：
引用格式：
[1]张邦源;沈韬;曾凯-.基于特征图分块偏移的二值化卷积神经网络)[J].通信技术,2022(07):850-858
A类：
二值卷积神经网络
B类：
特征图,分块,Convolutional,Neural,Network,嵌入式平台,网络存储,计算效率,信息损失,模型准确率,中信,小池,池化,降采样,采样层,正值,负值,激活过程,信息丢失,二值量化,局部信息,二值化网络,车辆分类,梯度近似
AB值：
0.413314
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。
