面向端侧设备的模型压缩与推理加速算法优化系统_边缘计算 智能终端_2026年.docxVIP

PAGE27

目录

摘要

第一章绪论

1.1课题背景

1.2课题目的与意义

1.3研究方法与论文结构

第二章相关理论与算法综述

2.1算法理论基础概述

2.2备选算法分析与选型

第三章问题建模与需求分析

3.1问题描述与求解场景

3.2功能需求分析

3.3非功能需求与可行性分析

第四章算法总体设计与数据结构设计

4.1算法总体框架设计

4.2数据结构设计

4.3模块划分与接口设计

第五章核心算法详细设计

5.1核心算法流程设计

5.2关键子算法与优化策略设计

5.3算法正确性与复杂度分析

第六章算法实现

6.1开发环境与工程结构

6.2核心功能模块实现

6.3正确性验证与调试

6.4实现中的重点难点与解决方案

第七章实验与结果分析

7.1实验方法与实验环境

7.2实验方案设计

7.3实验结果与分析

第八章总结与展望

8.1工作总结

8.2存在的问题与改进方向

8.3未来展望

8.4结语

摘要

图像分类模型在云端服务器上已取得接近人工标注的精度，但智能摄像头、移动机器人等端侧设备的算力、内存与功耗预算远低于服务器，直接部署ResNet这类卷积神经网络往往面临单帧推理耗时数百毫秒、模型体积数十兆字节的困境。通道剪枝与整数量化是两类主流压缩手段，但二者通常被独立使用：单独剪枝后模型仍是32位浮点，体积收益有限