一种基于空间正反对角卷积的神经网络压缩方法

摘要

本发明公开了一种基于空间正反对角卷积的神经网络压缩方法，对许多场景而言，卷积神经网络是目前计算机视觉和数字图像处理解决方案的核心，但卷积神经网络的计算复杂度和参数数量仍然是各种应用场景的限制因素。为了提高卷积神经网络的计算效率，减少网络的参数个数，本发明在空间上，将一对连续的传统方形卷积核替换为正反对角卷积核，先进行正对角卷积操作，然后经过批归一化和非线性函数激活处理后，再进行反对角卷积操作，在保留了更有效的局部感受中心的前提下进一步降低了卷积神经网络的计算复杂度，加快了网络传播速度，同时对角卷积具有一定的正则化效果，提高了网络的鲁棒性，降低了模型的过拟合，网络压缩后的整体效果提升明显。