基于正则化的三维卷积神经网络剪枝方法
机器学习
2019-05-21 v2 计算机视觉与模式识别
机器学习
摘要
尽管三维卷积神经网络(3D CNNs)在视频分析中应用广泛,但其受限于巨大的计算与存储消耗。为解决此问题,我们提出一种基于三维正则化的神经网络剪枝方法,根据各权重组对网络的重要性分配不同的正则化参数。进一步,我们分析每一层的冗余与计算代价以确定不同的剪枝比例。实验表明,基于本方法的剪枝可在 3DResNet18 上实现 2倍理论加速且仅损失 0.41% 精度,在 C3D 上损失 3.28% 精度。所提方法在模型压缩与加速方面优于其他流行方法。
引用
@article{arxiv.1811.07555,
title = {Three Dimensional Convolutional Neural Network Pruning with Regularization-Based Method},
author = {Yuxin Zhang and Huan Wang and Yang Luo and Lu Yu and Haoji Hu and Hangguan Shan and Tony Q. S. Quek},
journal= {arXiv preprint arXiv:1811.07555},
year = {2019}
}
备注
ICIP 2019