-
题名面向移动端图像分类的轻量级CNN优化
被引量：5
- 1
-
-
作者
张晓青
刘小舟
陈登
-
机构
浙江工业大学计算机科学与技术学院
浙江省卫生健康信息中心
浙江省科技信息研究院
浙江省数据开放重点实验室
-
出处
《计算机工程与设计》
北大核心
2024年第2期436-442,共7页
-
基金
浙江省科技厅省重点研发基金项目(2022C01083)
国家自然科学基金项目(J2124006)。
-
文摘
为解决图像分类算法由于计算量大和参数冗余难以应用在存储空间与计算能力受限的移动设备上的问题,提出一种轻量的卷积计算模块Extremely Lightweight Block(ELBlock),采用逐点卷积叠加深度可分离卷积的方法,对逐点卷积进行分组,增加相邻层过滤器之间的对角相关性,进一步降低卷积操作的计算复杂度;利用通道混洗关联输入和输出通道,提高特征的信息表达能力;基于ELBlock设计一个极其轻量的小型神经网络架构ELNet,结构更加简洁、高效。在Android手机上的实验结果表明,所提ELNet在保证分类精度的同时,具有计算量小、参数少和推理时间短的优点。
-
关键词
深度学习
图像分类
轻量级神经网络
模型优化
模型压缩
模型部署
移动终端
-
Keywords
deep learning
image classification
lightweight neural network
model optimization
model compression
model deployment
mobile terminals
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
