基于深度卷积压缩网络的图像分类方法任务书

 2021-08-20 12:08

1. 毕业设计(论文)主要目标:

本文基于量化卷积神经网络框架(Q_CNN)对深度卷积网络模型进行量化压缩,在手机移动端部署压缩后模型完成图像分类任务。

2. 毕业设计(论文)主要内容:

本文在第一章中介绍压缩深度卷积网络模型的背景及相关知识,分析目前国内外的研究现状;在第二章中介绍神经网络的基本概念及压缩深度卷积网络模型所需的优化算法;在第三章详细介绍如何对网络进行量化压缩的理论;在第四章给出本文在手机移动端的实现过程及结果分析。

在第五章进行总结与展望。

3. 主要参考文献

1.Jiaxiang Wu, Cong Leng etc.Quantized Convolutional Neural Networks for Mobile Devices.In IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pages 2570–2577, 2016. 5

2.H. Jegou, M. Douze, and C. Schmid. Product quantization for nearest neighbor search. IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI), 33(1):117–128, Jan 2011. 2

3.Y. Gong, L. Liu, M. Yang, and L. D. Bourdev. Compressing deep convolutional networks using vector quantization. CoRR, abs/1412.6115, 2014. 1, 2, 5, 7

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

以上是毕业论文任务书,课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。