典型文献
一种优化的可拓展激光雷达点云可学习二值量化网络
文献摘要：
为解决激光雷达点云深度学习网络模型在移动端嵌入式设备部署存在的耗时耗存储问题,提出了一种激光雷达点云可学习二值量化网络模型.该模型基于特征的知识蒸馏,将全精度网络各层统计特征知识转移到二值量化网络,较大幅度地提升了量化精度;提出基于遗传算法的二值量化尺度因子恢复可学习优化算法,通过逐层搜索初始最优尺度恢复因子,并通过网络自学习大幅减少网络参数量;提出一种统计自适应池化损失最小化算法,包括量化网络自调节和全精度网络转移调节两种方式,以解决量化网络中池化信息损失较大的问题.实验结果表明,所提算法在获取高精度的同时实现了较大压缩比和加速比,可将PointNet大小压缩为原来的1/23、加速35倍以上,对其他点云主流深度网络具有良好的扩展性.
文献关键词：
测量;激光雷达;点云;可学习算法;二值量化;遗传算法
中图分类号：
作者姓名：
赵志;马燕新;许可;万建伟
作者机构：
国防科技大学电子科学学院,湖南长沙410073;国防科技大学气象海洋学院,湖南长沙410073
文献出处：
引用格式：
[1]赵志;马燕新;许可;万建伟-.一种优化的可拓展激光雷达点云可学习二值量化网络)[J].光学学报,2022(12):201-219
A类：
可学习算法
B类：
可拓,激光雷达点云,二值量化,点云深度学习,深度学习网络,移动端,嵌入式设备,设备部,知识蒸馏,统计特征,知识转移,尺度因子,学习优化,逐层,最优尺度,尺度恢复,自学习,网络参数,参数量,池化,自调节,移调,两种方式,信息损失,大压缩比,加速比,PointNet,深度网络,扩展性
AB值：
0.390264
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。
