面向移动平台的轻量级卷积神经网络架构

摘要：

针对深度神经网络在移动平台上存在准确度低、过拟合等问题,提出一种轻量级的卷积神经网络架构.将3×3的深度可分离卷积替换SqueezeNet网络模型基本模块Fire中的标准3×3卷积核,并构建SparkNet的网络结构,替换模型卷积得到网络变形结构.实验结果表明,与SqueezeNet网络结构相比,该架构可以提高网络模型的计算速度,有效降低网络模型规模并减少参数数量.

关键词：深度学习、卷积神经网络、深度可分离卷积、神经网络压缩、轻量级

所属期刊栏目：45

分类号：TP399(计算技术、计算机技术)

资助基金：国家重点研发计划2017YFA0206104;上海市科学技术委员会科研计划项目16511108701;上海市张江管委会公共服务平台项目2016-14

在线出版日期：2019-07-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：17-22