| 基于因子分析的卷积神经网络模型压缩算法研究 |
| |
| 引用本文： | 刘冬冬,李林才,句媛媛,吴刘仓,肖清泰.基于因子分析的卷积神经网络模型压缩算法研究[J].昆明理工大学学报(理工版),2024(2):207-214. |
| |
| 作者姓名： | 刘冬冬 李林才 句媛媛 吴刘仓 肖清泰 |
| |
| 作者单位： | 1. 昆明理工大学理学院;2. 昆明理工大学理学院工业工程重点实验室;3. 昆明理工大学应用统计学研究中心;4. 昆明理工大学冶金与能源工程学院 |
| |
| 基金项目： | 国家自然科学基金项目（12261051）；;云南省科技厅科技计划项目（202101AU070031）；;云南省教育厅科研基金项目（2022J0059）； |
| |
| 摘 要： | 针对复杂的卷积神经网络模型存在参数规模大、运算时间长等问题，提出一种有效的卷积神经网络模型压缩算法.该算法引入因子分析的思想对卷积神经网络模型进行压缩：首先将四维的卷积核权重张量转化为二维的矩阵形式，计算相关矩阵，并对其进行奇异值分解；其次，通过控制累积方差贡献率，确定适当的因子数量，计算因子载荷矩阵；最后，重构出更具代表性的卷积核.通过在Catdog、CIFAR10、CIFAR100三个数据集上进行验证，实验结果表明：该压缩算法能够在保证卷积神经网络精度的前提下，使AlexNet、ResNet的参数压缩率达到30.7%～68.2%,运行时间减少17.53%～37.21%.从而验证了本文提出的算法在压缩率和运算效率方面的优势，为基于因子分析的卷积神经网络模型压缩提供了一种可能的框架.
|
| 关 键 词： | 模型压缩 因子分析 卷积神经网络 图像分类 |
|
|
