主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
葛道辉,李洪升,张亮,刘如意,沈沛意,苗启广.轻量级神经网络架构综述.软件学报,2020,31(9):2627-2653
轻量级神经网络架构综述
Survey of Lightweight Neural Network
投稿时间:2019-07-01  修订日期:2019-08-18
DOI:10.13328/j.cnki.jos.005942
中文关键词:  轻量级神经网络  便携式设备  神经网络模型压缩  神经网络架构搜索  自动机器学习
英文关键词:lightweight neural network  mobile device  compression of neural network  neural network architecture searching  auto machine learning
基金项目:国家重点研发计划(2018YFC0807500,2019YFB1311600);国家自然科学基金(61772396,61472302,61772392,61902296);西安市大数据与视觉智能关键技术重点实验室课题(201805053ZD4CG37);中央高校基本科研业务费专项资金(JBF180301);陕西省重点研发计划(2018ZDXM-GY-036)
作者单位E-mail
葛道辉 西安市大数据与视觉智能关键技术重点实验室(西安电子科技大学), 陕西 西安 710071  
李洪升 嵌入式技术与视觉处理研究中心(西安电子科技大学), 陕西 西安 710071 hsli@stu.xidian.edu.cn 
张亮 嵌入式技术与视觉处理研究中心(西安电子科技大学), 陕西 西安 710071
上海宽带技术及应用工程研究中心, 上海 200436 
 
刘如意 西安市大数据与视觉智能关键技术重点实验室(西安电子科技大学), 陕西 西安 710071  
沈沛意 嵌入式技术与视觉处理研究中心(西安电子科技大学), 陕西 西安 710071  
苗启广 西安市大数据与视觉智能关键技术重点实验室(西安电子科技大学), 陕西 西安 710071
陕西省区块链与安全计算重点实验室(西安电子科技大学), 陕西 西安 710071 
 
摘要点击次数: 3900
全文下载次数: 3498
中文摘要:
      深度神经网络已经被证明可以有效地解决图像、自然语言等不同领域的问题.同时,伴随着移动互联网技术的不断发展,便携式设备得到了迅速的普及,用户提出了越来越多的需求.因此,如何设计高效、高性能的轻量级神经网络,是解决问题的关键.详细阐述了3种构建轻量级神经网络的方法,分别是人工设计轻量级神经网络、神经网络模型压缩算法和基于神经网络架构搜索的自动化神经网络架构设计;同时,简要总结和分析了每种方法的特点,并重点介绍了典型的构建轻量级神经网络的算法;最后,总结现有的方法,并给出了未来发展的前景.
英文摘要:
      Deep neural network has been proved to be effective in solving problems in different fields such as image, natural language, and so on. At the same time, with the continuous development of mobile Internet technology, portable devices have been rapidly popularized, and users have put forward more and more demands. Therefore, how to design an efficient and high performance lightweight neural network is the key to solve the problem. In this paper, three methods of constructing lightweight neural network are described in detail, which are artificial design of lightweight neural network, compression algorithm of neural network model, and automatic neural network architecture design based on searching of neural network architecture. The characteristics of each method are summarized and analyzed briefly, and the typical algorithms of constructing lightweight neural network are introduced emphatically. Finally, the existing methods are summarized and the prospects for future development are given.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利