基于特征图分块偏移的二值化卷积神经网络
张邦源 沈韬 曾凯
近年来，随着卷积神经网络（Convolutional Neural Network,CNN）的发展，网络模型变得更加庞大，网络结构更加复杂，这限制了其在性能受限的嵌入式平台上的发展。针对这个问题，研究人员提出了一种模型二值化的方法，大幅度提升了网络存储和计算效率，但同时带来了信息损失，导致模型准确率下降。针对二值化卷积神经网络中信息损失问题，提出了两种解决方法。首先提出最大最小池化，使降采样层能够同时保留正值信息和负值信息；其次对特征图二值激活过程中信息丢失的原因进行了分析，并提出了基于特征图分块偏移的二值化方法，有效保留了特征图在二值量化后的局部信息；最后通过实验表明所提方法有效提升了二值化网络模型的性能。
全文下载
在线阅读
赣公网安备 36012102000372号
互知学术
全科互知