10.16208/j.issn1000-7024.2021.10.022
基于通道剪枝和量化的卷积神经网络压缩方法
为提升辅助维修技术在实际工程应用中的性能,解决嵌入式设备性能有限,难以实现实时物体识别任务这一问题,以提高轻量级卷积神经网络在嵌入式平台中的识别速度为目标,提出一种基于通道剪枝和量化的综合卷积神经网络压缩方法.以MobileNet V3模型进行实验,其结果表明,该卷积神经网络压缩方法有效压缩了网络结构,在识别精度损失可接受的情况下,实现了目标物体在嵌入式平台上的实时识别.
卷积神经网络;物体识别;辅助维修;嵌入式应用;模型压缩
42
TP183(自动化基础理论)
2021-11-02(万方平台首次上网日期,不代表论文的发表时间)
共7页
2860-2866