卷积神经网络模型压缩在图像分类中的应用

摘要

针对用于图像分类的卷积神经网络中全连接层的参数较多且易产生过拟合的问题,为了减少其存储与计算的开销,对网络的结构进行精简,使用卷积核大小为1×1的卷积层及全局平均池化层来代替传统卷积神经网络架构中的全连接层.实验结果表明,在相同的数据集中,压缩后的卷积神经网络相比于原网络,占用的存储空间更少,并取得了略好的性能.