基于卷积神经网络的模型压缩研究及应用

发布时间：2020-12-15 05:20

　　深度神经网络一直是人工智能方面研究的热点,它通过对低层次的特征进行组合,进而形成更加抽象的高层次的特征表示。随着深度学习技术的不断发展以及计算机硬件系统的不断更新升级,近年来,很多问题,如图像识别、目标检测、语义分割、图像检索等已经采用深度神经网络,并取得了广泛成功。强大的计算机硬件使得更深层的网络得以容易的训练,而深层的神经网络显而易见会有更好的识别精度。随着社会经济的发展,人们对于移动设备的使用也越来越频繁,如手机、平板电脑、行车记录仪等。人们开始思考把深度神经网络部署在这些移动设备上,以便使得移动设备的功能更加强大。显而易见,在移动设备上运行深度神经网络有很多好处,如更好的实时处理等。但由于复杂的神经网络十分庞大,它们大量的权重参数会消耗相当大的存储空间、内存带宽以及计算资源,这就阻止了深度神经网络在移动应用上的运行。为此,本文基于TensorFlow框架对当前主流的深度神经网络模型进行了压缩,以便把深度模型部署到移动设备上,本文的主要工作包括:（1）在保持神经网络的精度不变的前提下,对网络连接进行修剪,删除冗余的连接,只保留阈值以内的有效连接,以便减少神经网络所需的存储空间。之... 

【文章来源】：河南大学河南省

【文章页数】：59 页

【学位级别】：硕士

【部分图文】：

简单的神经网络如图1-1，这是一个简单的神经网络，它包括一个输入层、一个隐藏层（可以是多

包括 TensorFlow、Caffe 等进行对比分析。经网络基本原理络[31]是一种运算模型，它从信息处理的角度对人大脑的神经元按照不同的连接方式组成的不同的网络。在学术界通常也直层感知机和多层感知机神经网络中的一个概念，最早是在 1950 年由Frank Rosenb说，神经网络的基础模型就是感知机，因此神经网络也可以LP。相当于神经网络中的一个神经元结构，分为输入层和输出层经元组成的神经网络，如图 2-1 所示。

卷积操作

【参考文献】：
期刊论文
[1]基于主动学习和半监督学习的多类图像分类[J]. 陈荣,曹永锋,孙洪.  自动化学报. 2011(08)
[2]Android NDK开发环境实现与应用[J]. 赵宏伟.  电脑知识与技术. 2010(35)

硕士论文
[1]Android系统架构研究与应用[D]. 张娜.西安科技大学 2013



本文编号：2917727