典型文献
基于PCA的深度可分离卷积滤波器剪枝算法研究
文献摘要：
为了解决DCNN计算量大的问题,文章提出了一种基于PCA的深度可分离卷积的滤波器剪枝方法.首先,采用深度可分离卷积代替ResNet中的普通卷积.先使用逐通道卷积在空间维度上进行分离,以增加网络宽度并扩大特征提取范围,再利用逐点卷积降低普通卷积操作的计算复杂度.其次,采用PCA降维区分堆叠的相似过滤器,不仅缓解维度灾难而且压缩数据的同时最小化信息损失.实验结果表明,该方法能显著提升深度卷积神经网络模型的计算速度和准确度,并进一步压缩模型大小.在cifar10上,减少了ResNet56上约41％的参数量,并且极大的缩短了模型运行的时间.
文献关键词：
滤波器;剪枝;ResNet;几何中值;PCA;深度可分离卷积;余弦相似度
中图分类号：
作者姓名：
黄晓丹;赵鸣;吴卫贤
作者机构：
长江大学 计算机科学学院,湖北 荆州 434000
文献出处：
引用格式：
[1]黄晓丹;赵鸣;吴卫贤-.基于PCA的深度可分离卷积滤波器剪枝算法研究)[J].电脑与信息技术,2022(01):31-34
A类：
几何中值
B类：
深度可分离卷积,卷积滤波,滤波器剪枝,剪枝算法,算法研究,DCNN,计算量,剪枝方法,空间维度,逐点卷积,卷积操作,计算复杂度,堆叠,过滤器,维度灾难,信息损失,深度卷积神经网络,卷积神经网络模型,计算速度,压缩模型,cifar10,ResNet56,参数量,余弦相似度
AB值：
0.339018
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。
