10.3969/j.issn.1000-386x.2018.11.039
基于SqueezeNet的轻量化卷积神经网络SlimNet
结构参数量和计算量限制了卷积神经网络在移动设备上的应用.主要研究在尽量保持精度的前提下减少结构参数量和计算量.针对分组卷积引起的分组通道间不流通的问题,提出分组瓶颈;针对如何提升分类精度问题,提出奇异瓶颈;使用上述策略改进SqueezeNet,提出轻量化结构SlimNet.实验表明:引入分组瓶颈和奇异瓶颈具有有效性,提出的轻量化结构SlimNet在分类精度、结构参数量及计算量上均优于SqueezeNet.
图像分类、卷积神经网络、轻量化、分组卷积、分组瓶颈、奇异瓶颈、SlimNet
35
TP399(计算技术、计算机技术)
2019-04-25（万方平台首次上网日期，不代表论文的发表时间）
共7页
226-232
