基于可融合残差卷积块的深度神经网络模型层剪枝方法

摘要：

针对当前主流的剪枝方法所获得的压缩模型推理时间较长和效果较差的问题,提出一种易用且性能优异的层剪枝方法.该方法将原始卷积层转化为可融合残差卷积块,然后通过稀疏化训练的方法实现层剪枝,得到一种具有工程易用性的层剪枝方法,兼具推理时间短和剪枝效果好的优点.实验结果表明,在图像分类任务和目标检测任务中,该方法可使模型在精度损失较小的情况下获得极高的压缩率,优于先进的卷积核剪枝方法.

关键词：卷积神经网络、层剪枝、可融合残差卷积块、稀疏化训练、图像分类

所属期刊栏目：58

分类号：TP391.41;TP183;TN912.34

资助基金：国家重点研发计划2018YFE0203801

在线出版日期：2022-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：801-807