基于稀疏正则化的卷积神经网络模型剪枝方法
文献类型：期刊论文
| 作者 | 韦越1,2; 陈世超1,3 ; 朱凤华1; 熊刚1
|
| 刊名 | 计算机工程
 |
| 出版日期 | 2021-10 |
| 卷号 | 47期号:10页码:61-66 |
| 关键词 | 深度学习, 模型剪枝 , 卷积神经网络 , 稀疏约束, 模型压缩 |
| 英文摘要 | 现有卷积神经网络模型剪枝方法仅依靠自身参数信息难以准确评估参数重要性,容易造成参数误剪且影响网络模型整体性能.提出一种改进的卷积神经网络模型剪枝方法,通过对卷积神经网络模型进行稀疏正则化训练,得到参数较稀疏的深度卷积神经网络模型,并结合卷积层和BN层的稀疏性进行结构化剪枝去除冗余滤波器.在CIFAR-10、CIFAR-100和SVHN数据集上的实验结果表明,该方法能有效压缩网络模型规模并降低计算复杂度,尤其在SVHN数据集上,压缩后的VGG-16网络模型在参数量和浮点运算量分别减少97.3％和91.2％的情况下,图像分类准确率仅损失了0.57个百分点. |
| 语种 | 中文 |
| 源URL | [http://ir.ia.ac.cn/handle/173211/47508]  |
| 专题 | 自动化研究所_复杂系统管理与控制国家重点实验室_先进控制与自动化团队 |
| 作者单位 | 1.中国科学院自动化研究所 2.中国科学院大学 3.澳门科技大学 |
| 推荐引用方式 GB/T 7714 | 韦越,陈世超,朱凤华,等. 基于稀疏正则化的卷积神经网络模型剪枝方法[J]. 计算机工程,2021,47(10):61-66. |
| APA | 韦越,陈世超,朱凤华,&熊刚.(2021).基于稀疏正则化的卷积神经网络模型剪枝方法.计算机工程,47(10),61-66. |
| MLA | 韦越,et al."基于稀疏正则化的卷积神经网络模型剪枝方法".计算机工程 47.10(2021):61-66. |
入库方式： OAI收割
来源：自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。