-
题名聚类和群智能优化算法的自动剪枝方法
- 1
-
-
作者
刘洲峰
吴文涛
李环宇
邵昕楠
李春雷
-
机构
中原工学院信息与通信工程学院
中国石油大学(华东)海洋与空间信息学院
-
出处
《计算机工程与应用》
北大核心
2025年第11期204-215,共12页
-
基金
国家自然科学基金(62072489)
中原科技创新领军人才项目(234200510009)
河南省科技攻关项目(222102210008)。
-
文摘
近年来,网络剪枝技术作为一种极为有效的卷积神经网络压缩方案,得到了迅猛的发展,其中通道剪枝得益于其硬件友好性,有着尤为明显的优势。然而,当前主流方法集中于通过通道重要性评估或人工干预来实现剪枝,低效且容易导致次优结果;同时一些基于搜索算法的自动化剪枝方法则难以控制搜索空间与搜索效率之间的平衡。为了解决这些问题,提出了一种基于聚类与群智能优化算法的自动通道剪枝方法。具体来说,根据特征图的相似度利用K-Mediod算法进行逐层的通道聚类,并通过灵敏度分析找到当前最优剪枝率,从而形成初步的压缩模型,引入粒子群算法(PSO)对其进行迭代搜索并找到最优剪枝网络结构。对剪枝网络进行微调,以降低精度损失。在CIFAR-10、ILSVRC-2012上对几种最为常用的CNN模型进行了评估,与近年来的主流方法相比实验结果有所提升,证明了剪枝后网络的有效性,在ILSVRC-2012中,在ResNet-50达到45.5%剪枝率的前提下,模型准确度只降低了0.23个百分点。
-
关键词
卷积神经网络
模型压缩
网络剪枝
网络结构搜索
粒子群算法
-
Keywords
convolutional neural network(CNN)
model compression
network pruning
neural architecture search(NAS)
particle swarm optimization(PSO)
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于双重标签分配的遥感有向目标检测方法
- 2
-
-
作者
董燕
魏铭宏
高广帅
刘洲峰
李春雷
-
机构
中原工学院信息与通信工程学院
电子科技大学自动化工程学院
-
出处
《计算机科学》
CSCD
北大核心
2024年第S02期486-494,共9页
-
基金
国家自然科学基金(62072489)
中原科技创新领军人才项目(234200510009)
河南省科技攻关项目(232102211002,232102211030)
-
文摘
由于遥感图像目标具有任意方向、大纵横比和密集排列等多样性分布特点,预设的锚框难以精准匹配所有真实目标,导致对大纵横比和密集排列的有向目标检测精度不高。为了解决上述问题,提出了一种基于双重标签分配的遥感有向目标检测方法。首先,提出双重标签分配策略为目标分配最大及次优交并比的候选框;其次,通过排斥损失(AP-Loss)和吸引损失(UP-Loss)约束相邻目标的候选框,以提高目标正确匹配概率;然后,为了提取适应于分类和回归分支的鲁棒特征,设计了一个特征增强模块(FEM),该模块基于偏振函数构造自适应特征,能够有效增强分类和回归任务所需的特征表达能力;最后,设计了一个定位指导分类(LGC)模块,该模块通过定位任务指导分类任务的采样位置,进行定位细化,以获取分类任务的关键特征,从而缓解分类与定位之间的不一致问题。在3个公开的遥感有向目标检测数据集DOTA,HRSC-2016和DIOR-R上进行了大量的实验,实验结果证明了所提方法的有效性,且优于现有主流方法。
-
关键词
遥感图像
有向目标检测
双重标签分配
不一致问题
采样位置细化
-
Keywords
Remote sensing images
Oriented object detection
Dual-label assignment
Inconsistency issues
Sampling position refinement
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
