典型文献
基于深度学习的自适应动态滤波器剪枝方法
文献摘要：
模型压缩可以有效地促进卷积神经网络在资源受限设备上的部署.作为一个研究热点,滤波器剪枝已经受到了从学术界到工业界的广泛关注.滤波器剪枝的本质是对重要滤波器进行选择和保留.然而,现有的研究主要集中在静态滤波器和局部滤波器的选择上,压缩后的模型仍然存在一定的冗余.基于此,提出了一种自适应动态滤波器剪枝方法,该方法通过引入一个激活权值生成模块来生成每个滤波器的激活值.将模块嵌入各种经典网络中,来动态评估卷积层中所有滤波器的重要性,并自适应地选择能提取更丰富信息的滤波器来重构剪枝后的网络.在CIFAR-10和AUC数据集上使用不同卷积神经网络进行了实验,所提方法在CIFAR-10数据集上与目前几种主流的剪枝方法相比具有更优越的性能.在AUC数据集上进行剪枝前后压缩70％左右计算量的情况下,准确率下降不超过0.3个百分点.在不同网络上的实验证明了该方法在不同模型上的泛化能力.
文献关键词：
机器视觉;深度学习;卷积神经网络;滤波器剪枝;分类模型;模型压缩
中图分类号：
作者姓名：
褚晶辉;李梦;吕卫
作者机构：
天津大学电气自动化与信息工程学院,天津300072
文献出处：
引用格式：
[1]褚晶辉;李梦;吕卫-.基于深度学习的自适应动态滤波器剪枝方法)[J].激光与光电子学进展,2022(24):167-173
A类：
B类：
动态滤波器,滤波器剪枝,剪枝方法,模型压缩,资源受限,经受,工业界,局部滤波,权值,成模,来生,动态评估,卷积层,CIFAR,更优越,后压缩,计算量,百分点,泛化能力,机器视觉,分类模型
AB值：
0.255547
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。
