| 基于压缩卷积神经网络的交通标志分类算法 |
| |
| 引用本文： | 张建明,王伟,陆朝铨,李旭东. 基于压缩卷积神经网络的交通标志分类算法[J]. 华中科技大学学报(自然科学版), 2019, 47(1): 103-108 |
| |
| 作者姓名： | 张建明 王伟 陆朝铨 李旭东 |
| |
| 作者单位： | 长沙理工大学 综合交通运输大数据智能处理湖南省重点实验室,湖南长沙,410114;长沙理工大学 计算机与通信工程学院,湖南长沙,410114 |
| |
| 基金项目： | 国家自然科学基金;国家自然科学基金;湖南省教育厅科学研究重点项目;湖南省研究生科研创新项目 |
| |
| 摘 要： | ![]()
针对车载计算系统很难满足大型卷积神经网络对计算资源和存储空间需求的问题,提出了一种基于压缩卷积神经网络的交通标志分类算法.首先挑选原始VGG-16和AlexNet在GTSRB数据集上进行分类训练;然后对网络模型进行基于泰勒展开的通道剪枝删除冗余的特征图通道;接着使用三值量化方法对剪枝后的网络模型进行参数量化;最后进行了通道剪枝、参数量化和组合压缩的实验.结果表明:本算法有效地压缩了网络模型,减少了运算次数.最终组合压缩的VGG-16网络模型的存储空间减少一半,参数数量为原始模型的9%,每秒浮点运算次数减少为原始模型的1/5,模型加载速度提升了5倍,测试速度提升了2倍,精度为原始模型的97%.
|
| 关 键 词： | 卷积神经网络 交通标志分类 通道剪枝 参数量化 模型压缩 |
Traffic sign classification algorithm based on compressed convolutional neural network |
| |
| Abstract: | ![]()
|
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
