基于剪枝算法的卷積神經網絡優化

杜海濤

基于剪枝算法的卷積神經網絡優化

杜海濤

無錫商業職業技術學院，江蘇 無錫 214063

傳統的圖像識別技術不能適應現在的需求，卷積神經網絡與圖像識別相結合，獲得極大突破。隨著人工智能技術快速發展，更深、更寬的卷積神經網絡競相出現，層數也不斷加深。圖像識別的精度也隨著大幅提高，但是過于復雜的網絡要消耗更多的資源和時間。提出用剪枝算法對卷積神經網絡進行優化，修剪掉不重要的神經元，從而將網絡模型稀疏化。這樣既能保證圖像識別的精度，又能達到網絡加速優化的目的。

圖像識別；卷積神經網絡；剪枝算法

引言

微電子技術和信息技術的快速發展，為圖像識別奠定了硬件和軟件基礎。圖像識別已被廣泛應用在工業、農業、醫學、交通、國防等各行各業，是以后發展的必然趨勢，對于提高圖像識別的速度、精度和廣度具有非常大的應用價值。傳統的圖像識別技術應用廣度不夠。一旦外界條件發生變化，識別的精度就會急劇下降，不能滿足日益復雜的需求。近年來，人工智能技術發展迅猛，將人工神經網絡算法融入圖像識別技術獲得了突破。不僅提高了圖像識別的精度和廣度，而且具有自我學習的能力，可以隨著環境的變化而變化，同時提高了圖像信息處理的容錯性，在出現噪聲干擾時，也能正常工作，輸出較為準確的信息。

在人工智能的發展過程中，神經網絡經歷了單層神經網絡、兩層神經網絡和多層神經網絡。……