Mobile_BLNet基于BigLittle Net的轻量级卷积神经网络优化设计
文档名：Mobile_BLNet基于BigLittle Net的轻量级卷积神经网络优化设计
摘要：针对深度卷积神经网络难以部署到资源受限的端侧设备这一问题,本文提出一种高效精简的轻量化卷积神经网络Mobile_BLNet,在模型规模、计算量和性能之间取得了良好的平衡.该网络引入深度可分离卷积和倒残差结构,通过合理分配不同分支的运算量缩减模型规模并节省大量计算资源;采用通道剪枝操作压缩网络模型,基于占总和比值方法裁剪对模型贡献度低的卷积通道,在相同压缩效果情况下提升了分类准确率;基于通道裁剪情况重构网络,进一步降低模型所需计算资源.实验结果表明,Mobile_BLNet结构精简、性能优异,在CIFAR-10/CIFAR-100数据集上以0.1M/0.3M参数量、9.6M/12.7M浮点计算量获得91.2％/71.5％分类准确率;在Food101/ImageNet数据集上以1.0M/2.1M参数量、203.0M/249.6M浮点计算量获得82.8％/70.9％分类准确率,满足轻量化卷积神经网络的端侧硬件高能效部署需求.
作者：袁海英成君鹏曾智勇武延瑞Author：YUANHai-yingCHENGJun-pengZENGZhi-yongWUYan-rui
作者单位：北京工业大学信息学部,北京100124
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(1)
分类号：TP391
关键词：轻量化设计卷积神经网络模型重构剪枝操作深度学习
机标分类号：TP391.4TP181TN915.02
在线出版日期：2023年3月10日
基金项目：国家自然科学基金，北京市自然科学基金Mobile_BLNet:基于Big-LittleNet的轻量级卷积神经网络优化设计[
期刊论文]电子学报--2023, 51(1)袁海英成君鹏曾智勇武延瑞针对深度卷积神经网络难以部署到资源受限的端侧设备这一问题,本文提出一种高效精简的轻量化卷积神经网络Mobile_BLNet,在模型规模、计算量和性能之间取得了良好的平衡.该网络引入深度可分离卷积和倒残差结构,通过合理分...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
Mobile_BLNet:基于Big-Little Net的轻量级卷积神经网络优化设计Mobile_BLNet: Optimization Design of Lightweight Convolutional Neural Network Based on Big-Little Net
Mobile_BLNet:基于Big-Little Net的轻量级卷积神经网络优化设计.pdf
页:
[1]