《轻量化卷积神经网络概述》1200字.docx

轻量化卷积神经网络概述

1.1轻量化卷积神经网络

随着深层卷积神经网络的广泛应用，并在图像识别、目标检测等领域取得巨大成功。但面临实际部署时，考虑设备的存储空间、算力、成本等因素，模型的参数量和计算量都需有所限制，来满足实时性要求，同时应尽可能减少精度的衰减。轻量化卷积神经网络主要通过寻找更高效的计算方式重新设计轻量化模型，主要通过改变卷积和卷积组织方式，减少参数量和计算量，并且不降低准确率。常见的轻量化卷积有分组卷积、深度可分离卷积等，常见的轻量化网络有MobileNet、SqueezeNet、ShuffleNet等。MobileNetREF_Re\r\h[