文献类型：期刊文章

作　　者：马金林[1,2] 张裕[1,2] 马自萍[3] 毛凯绩[1,2]

MA Jinlin;ZHANG Yu;MA Ziping;MAO Kaiji(School of Computer Science and Engineering,North Minzu University,Yinchuan 750021,China;Key Laboratory of Intelligent Processing of Computer Images and Graphics of National Ethnic Affairs Commission of the PRC,Yinchuan 750021,China;School of Mathematics and Information Science,North Minzu University,Yinchuan 750021,China)

机构地区：[1]北方民族大学计算机科学与工程学院,银川750021 [2]图像图形智能处理国家民委重点实验室,银川750021 [3]北方民族大学数学与信息科学学院,银川750021

出　　处：《计算机科学与探索》

基　　金：北方民族大学中央高校基本科研业务费专项(2021KJCX09,FWNX21,ZDZX201801);北方民族大学“计算机视觉与虚拟现实”创新团队项目;宁夏自然科学基金(2020AAC3215);国家自然科学基金(61462002)。

年　　份：2022

卷　　号：16

期　　号：3

起止页码：512-528

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、IC、JST、ZGKJHX、核心刊

摘　　要：传统神经网络具有过度依赖硬件资源和对应用设备性能要求较高的缺点,因此无法部署于算力有限的边缘设备和移动终端上,人工智能技术的应用发展在一定程度上受到了限制。然而,随着科技时代的到来,受用户需求影响的人工智能迫切需要在便携式设备上能成功进行如计算机视觉应用等方面的操作。为此,以近几年流行的轻量化神经网络中的卷积部分为研究对象,详细比对了各类轻量化模型中卷积构成方式的区别,并针对卷积设计的主要思路和特点进行了较为详细的阐述。首先,通过引入轻量化神经网络的概念,介绍了轻量化神经网络的发展现状和网络中卷积方面所面临的问题;然后,将卷积分为卷积结构轻量化、卷积模块轻量化和卷积运算轻量化三方面进行介绍,具体通过对各类轻量化神经网络模型中卷积设计的研究,来展示不同卷积的轻量化效果,并对其中优化方法的优缺点进行阐述;最后,对文中所有轻量化模型卷积设计的主要思路和使用方式进行了总结分析,并对其未来的可能性发展进行了展望。

关 键 词：卷积 轻量化神经网络  网络模型 计算机视觉 深度学习  

分 类 号：TP183]