%0 Journal Article %A 黄晋英 %A 冀树伟 %A 杨喜旺 %A 尹宁 %T 基于特征复用的卷积神经网络模型压缩方法 %D 2019 %R 10.11772/j.issn.1001-9081.2018091992 %J 计算机应用 %P 1607-1613 %V 39 %N 6 %X 为了在不降低准确率的前提下,减小卷积神经网络模型的体积与计算量,提出一种基于特征复用的卷积神经网络压缩模块——特征复用单元(FR-unit)。首先,针对不同类型的卷积神经网络结构,提出不同的优化方法;然后,在对输入特征图进行卷积操作后,将输入特征与输出特征进行结合;最后,将结合后的特征传递给下一层。通过对低层特征的重复使用,使总的提取的特征数量不发生改变,以保证优化后的网络的准确率不会发生改变。在CIFAR10数据集上进行验证,实验结果表明,优化后的VGG模型体积缩小为优化前的75.4%,预测时间缩短为优化前的43.5%;优化后的Resnet模型体积缩小为优化前的53.1%,预测时间缩短为优化前的60.9%,且在测试集上的准确率均未降低。 %U http://www.joca.cn/CN/10.11772/j.issn.1001-9081.2018091992