大创课题申报书研究特点.docxVIP

大创课题申报书研究特点

一、封面内容

项目名称：面向复杂场景的深度学习模型轻量化与鲁棒性优化研究

申请人姓名及联系方式：张明，zhangming@

所属单位：人工智能与计算机科学学院

申报日期：2023年10月26日

项目类别：应用研究

二．项目摘要

本项目旨在针对当前深度学习模型在复杂场景应用中面临的轻量化与鲁棒性挑战，开展系统性研究。随着深度学习技术的快速发展，大型预训练模型在图像识别、自然语言处理等领域展现出卓越性能，但在边缘计算、实时推理等场景中，其庞大的模型尺寸和计算复杂度成为制约应用的关键瓶颈。同时，模型在对抗样本、噪声干扰等复杂环境下的泛化能力亟待提升。

本项目以轻量化和鲁棒性为核心，提出一种多任务驱动的模型压缩与防御框架。首先，通过知识蒸馏、参数共享和结构优化等技术，实现模型权重量化与结构精简，降低模型计算复杂度，使其适应资源受限的硬件平台。其次，结合对抗训练、数据增强和迁移学习等方法，提升模型对噪声、遮挡和对抗样本的鲁棒性，增强模型在实际场景中的泛化能力。研究将构建包含公开数据集与自采集复杂场景数据的混合训练集，通过实验验证模型压缩与防御效果。

预期成果包括：1）提出一种兼顾计算效率与泛化能力的模型轻量化算法；2）开发一套面向复杂场景的模型鲁棒性评估体系；3）形成可应用于工业视觉检测、智能安防等领域的优化模型库。本项目的研究成果将推动深度学习在资源受限场景的落地应