【摘 要】
：
残差网络由于其优越的性能广泛应用于图像分类领域.但是作为典型的深层网络,其网络参数众多,对于资源受限的嵌入式设备网络推理速度极低,传统的网络加速局限于单一卷积分解和
【机 构】
：
华东交通大学 信息工程学院,南昌330000
论文部分内容阅读
残差网络由于其优越的性能广泛应用于图像分类领域.但是作为典型的深层网络,其网络参数众多,对于资源受限的嵌入式设备网络推理速度极低,传统的网络加速局限于单一卷积分解和模型压缩方法.针对这一问题,拟将结合优化残差结构和混合剪枝量化的方法,实现残差网络的加速与优化,该方法可以很好的维持准确率,并大量减少网络模型的参数量和计算量.改进后残差结构的参数相比常见的ResNet34和ResNet50网络使用的两种残差结构分别减少了43.6％和40.3％,混合加速后,模型存储体积降低了86.3％.通过cifar10数据集对网络进行实验,改进残差结构后的网络检测速度降低了33.28％,再通过混合剪枝量化和优化BN层后模型的检测速度最多可降低69.1％,精度只损失1％左右.实验表明该方法使残差网络在嵌入式端加速明显.
其他文献
在实际环境中,经常需要划分出一批对象,而对象的属性可能是动态变化的,针对这种属性动态更新的条件下选出一定数量对象的问题,提出一种属性动态更新的三支决策模型.首先针对
针对目前的图卷积神经网络中,没有关注节点的重要程度和有效利用每一层卷积层所提取信息的问题,本文提出了一种用于图分类任务的改进图同构网络模型.首先,为了区分节点的重要程度,本文通过用度矩阵加权卷积算子的方式,使邻居节点数目多的节点获得了更大的权重,使得网络在学习时优先考虑这些节点特征信息.其次,为了区分每一层卷积层重要程度不同,本文计算了每一层节点特征的相似度,根据相似度来为每层节点的特征加权.在实
事件相机是一种受生物启发的新型视觉传感器,通过模仿生物视网膜的操作,代表着向传统相机的重大范式转变.它不同于传统相机以固定速率捕获图像帧,而是异步输出有关亮度变化信息的事件流.因此,事件相机能发挥出强大的优势比如低延迟、高时间分辨率以及高动态范围等.基于事件相机的目标跟踪是计算机视觉跟踪领域新的研究方向.为推动该方向的发展,本文简要介绍了事件相机的工作原理及在视觉领域上的优势与挑战,着重分析了现有
为进一步提高遥感图像的小目标识别率,本文提出一种基于双向金字塔特征融合的卷积神经网络.首先将网络最后一层的卷积层特征输出与相邻上一层的卷积层特征输出相结合,构成自顶向下的金字塔特征层,还考虑将浅层的卷积层特征输出与相邻下一层的卷积层特征输出相结合,构成自底向上的金字塔特征层,融合双向结合的金字塔特征.其次为保留更多小目标空间位置信息,将网络的第一个降采样层改为两个3×3的卷积层.此外利用K-mea