卷积神经网络剪枝以加速电子显微镜中的膜分割
计算机视觉与模式识别
2018-10-24 v1
摘要
生物膜是细胞生物学中最基本的结构与感兴趣区域之一。在膜的研究中，由于噪声干扰、方向性与厚度可变性等，分割提取是众所周知且困难的问题。电子显微镜膜分割的近期进展能够通过训练卷积神经网络应对此类困难。然而，由于前向传播时必须提取海量特征，即便使用最先进的 GPU，其实用性也会下降。这些网络特征中有显著部分通常通过相关性与稀疏性而含有冗余。本工作中，我们提出一种确保训练损失增量最小化的卷积神经网络剪枝方法。我们表明，经重新训练的剪枝网络在时间与内存上更高效，且不会显著影响网络精度。借此，针对我们的特定电子显微镜设置，我们实现了实时膜分割性能。
引用
@article{arxiv.1810.09735,
title = {Convolutional Neural Network Pruning to Accelerate Membrane Segmentation in Electron Microscopy},
author = {Joris Roels and Jonas De Vylder and Jan Aelterman and Yvan Saeys and Wilfried Philips},
journal= {arXiv preprint arXiv:1810.09735},
year = {2018}
}
备注
5 pages, 4 figures, ISBI 2017