融合贝叶斯的压缩CNN植物叶片识别模型

摘要：

针对植物叶片识别过程中参数较多且易产生过拟合的问题,为减少其存储及计算的代价,本文提出一种基于贝叶斯融合压缩卷积神经网络植物叶片识别模型.首先,利用递归贝叶斯算法进行网络剪枝,自适应地去除网络冗余;然后,引入K-Means聚类量化网络中的卷积层和完全连接层,用于压缩整个卷积神经网络;最后,结合经典卷积神经网络模型AlexNet,进行植物叶片识别实验.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及其它压缩方法,占用的存储空间更少,压缩率达到36倍,并取得了略好的性能,准确率达到88.58％.

关键词：卷积神经网络;模型压缩;剪枝;参数量化;贝叶斯算法

所属期刊栏目：26

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;黑龙江省博士后启动基金

在线出版日期：2021-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：83-90