基于迭代剪枝VGGNet的火星图像分类 |
| |
引用本文: | 刘猛,刘劲,尹李君,康志伟,马辛.基于迭代剪枝VGGNet的火星图像分类[J].液晶与显示,2023(4):507-514. |
| |
作者姓名: | 刘猛 刘劲 尹李君 康志伟 马辛 |
| |
作者单位: | 1. 武汉科技大学信息科学与工程学院;2. 湖南大学信息科学与工程学院;3. 北京航空航天大学仪器科学与光电工程学院 |
| |
基金项目: | 国家自然科学基金面上项目(No.61873196,No.61772187); |
| |
摘 要: | VGGNet能提供高精度的火星图像分类,但需消耗大量内存资源。鉴于器载计算机内存资源有限,为解决这一矛盾,本文提出了基于迭代剪枝VGGNet的火星图像分类方法。首先,采用迁移学习训练网络的连通性,以便评估神经元的重要性;其次,通过迭代剪枝方法修剪不重要的神经元,以便将全连接层的参数量和内存占用量减少;最后,采用K-means++聚类实现权重参数的量化,利用霍夫曼编码压缩迭代剪枝与量化后的VGGNet权重参数,达到减少存储量和浮点数运算量的作用。此外,通过5种数据增强方法进行数据扩充,目的是解决类别不平衡的问题。实验结果表明,压缩后的VGGNet模型的所占内存、Flops和准确率分别为62.63 Mb、150.6 MFlops和96.15%。与ShuffleNet、MobileNet和EfficientNet等轻量级图像分类算法相比,所提模型具有更好的性能。
|
关 键 词: | 图像分类 卷积神经网络 迭代方法 聚类算法 VGGNet |
|
|