Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

SDChannelNets: Extremely Small and Efficient Convolutional Neural Networks SDChannelNets: Rangkaian Neural Konvolusi yang Sangat Kecil dan Cekap

JianNan ZHANG, JiJun ZHOU, JianFeng WU, ShengYing YANG

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Rangkaian saraf konvolusi (CNS) mempunyai keupayaan yang kuat untuk memahami dan menilai imej. Walau bagaimanapun, parameter dan pengiraan CNNS yang besar telah mengehadkan penggunaannya dalam peranti terhad sumber. Dalam surat ini, kami menggunakan idea perkongsian parameter dan sambungan padat untuk memampatkan parameter dalam arah saluran kernel lilitan, sekali gus mengurangkan bilangan parameter model. Atas dasar ini, kami mereka bentuk Rangkaian Konvolusial Bijak Saluran Kongsi dan Padat (SDChannelNets), terutamanya terdiri daripada lapisan Konvolusi SD-Saluran Boleh Asing Bijak Kedalaman. Kelebihan SDChannelNets ialah bilangan parameter model dikurangkan dengan banyak tanpa atau dengan sedikit kehilangan ketepatan. Kami juga memperkenalkan hiperparameter yang boleh mengimbangi bilangan parameter dan ketepatan model dengan berkesan. Kami menilai model yang dicadangkan oleh kami melalui dua tugas pengecaman imej yang popular (CIFAR-10 dan CIFAR-100). Keputusan menunjukkan bahawa SDChannelNets mempunyai ketepatan yang serupa dengan CNN lain, tetapi bilangan parameter telah dikurangkan dengan banyaknya.

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E102-D No.12 pp.2646-2650
Tarikh penerbitan
2019/12/01
Diumumkan
2019/09/10
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.2019EDL8120
Jenis Manuskrip
LETTER
kategori
Biosibernetik, Neurokomputer

Pengarang

JianNan ZHANG
  Hangzhou Dianzi University
JiJun ZHOU
  Hangzhou Dianzi University
JianFeng WU
  Hangzhou Dianzi University
ShengYing YANG
  Hangzhou Dianzi University

Kata kunci

Contents [show]