基于双角度并行剪枝的VGG 16优化方法
近年来,对卷积神经网络的轻量化工作更多的是根据滤波器的范数值来进行裁剪,范数值越小,裁剪之后对网络的影响就越小.这种思路充分利用了滤波器的数值特性,但也忽略了滤波器的结构特性.基于上述观点,文中尝试将凝聚层次聚类算法AHCF(Agglomerative Hierarchical Clustering Method for Filter)应用到VGG16上,并利用此算法的结果对滤波器进行冗余性分析和数值分析;然后,提出了双角度并行剪枝方法,从滤波器的数值角度和结构角度对滤波器同时进行裁剪.所提方法裁剪了VGG16网络的冗余滤波器,降低了网络的参数数量,在提高网络分类精度的同时,基本保留了原有网络的学习速率.在CIFAR10数据集上,所提方法的分类精度相比原始网络提高了0.71％;在MNIST上,所提方法基本和原始网络保持相近的分类精度.
卷积神经网络、VGG、聚类算法、剪枝、轻量化
48
TP181(自动化基础理论)
国家自然科学基金;光电技术与智能控制教育部重点实验室兰州交通大学开放课题;中央高校基本科研业务费专项;中国矿业大学未来杰出人才助力计划;江苏省研究生科研与实践创新计划项目
2021-06-28（万方平台首次上网日期，不代表论文的发表时间）
共7页
227-233
