量化神经网络在电站巡检中的应用

摘要：

基于深度卷积神经网络的应用往往需要大量的计算成本和算力资源.目前电站巡检机器人和手持智能巡检设备的硬件资源有限.在这些设备上直接运行现有的网络结构框架显得有点吃力.因此提出一种量化方法,仅使用整数算法对原来的浮点数值进行近似的逼近.将原来的模型权重和激活函数的参数全部量化为整数,在通用的仅支持整数的硬件上使用整数算法进行推理,可以比浮点数值更加有效快速的实现.结果表明,提出的量化方案提高了精度和设备推演延迟之间的权衡,在精度损失不大的情况下,能够将模型缩减为原来模型的1/4,能够在内存资源有限的平台布置网络.

关键词：电力巡检;深度学习;神经网络;卷积神经

分类号：TP242(自动化技术及设备)

在线出版日期：2022-01-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：111-113