计算机应用

作者：冀树伟, 杨喜旺, 黄晋英, 尹宁

单位：1. 中北大学 大数据学院, 太原 030051;2. 中北大学 机械工程学院, 太原 030051;3. 中北大学 软件学院, 太原 030051

关键词：卷积神经网络,特征复用,网络加速,模型压缩

为了在不降低准确率的前提下，减小卷积神经网络模型的体积与计算量，提出一种基于特征复用的卷积神经网络压缩模块——特征复用单元（FR-unit）。首先，针对不同类型的卷积神经网络结构，提出不同的优化方法；然后，在对输入特征图进行卷积操作后，将输入特征与输出特征进行结合；最后，将结合后的特征传递给下一层。通过对低层特征的重复使用，使总的提取的特征数量不发生改变，以保证优化后的网络的准确率不会发生改变。在CIFAR10数据集上进行验证，实验结果表明，优化后的VGG模型体积缩小为优化前的75.4%，预测时间缩短为优化前的43.5%；优化后的Resnet模型体积缩小为优化前的53.1%，预测时间缩短为优化前的60.9%，且在测试集上的准确率均未降低。

来源：2019年第6期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第6期