基于通道剪枝和量化的卷积神经网络压缩方法

徐 晓，蒋志翔，张 杨

(中国航天科工集团第二研究院706所，北京 100854)

0 引 言

辅助维修技术是一种电子的实时维修指导过程，能够提高操作者的作业准确度和维修效率。这一技术在维修过程中将计算机提供的维修指导信息，通过手机、AR眼镜等一系列设备实时叠加到操作者的视野中，给予实时的维修指导。目前辅助维修中的物体识别技术，使用的算法通常为模板匹配和特征点检测，这两种方法在目标简单的应用场景中效果很好，但在实际工程应用时面对机箱、配件等复杂的目标物体，同时出现环境因素的干扰时，如光照、遮挡、阴影等，特征点的检测以及模板与目标物体的匹配度都会受到很大的影响，导致识别精度不高。

随着卷积神经网络技术的不断发展，其在计算机视觉领域取得了很好的识别效果。计算机硬件性能的提升使得高性能图形处理单元被大规模的应用到神经网络的训练中，其具有的并行计算的能力能够快速训练其中的参数，新的深度神经网络框架也不断被提出。但是，随着神经网络框架的深度和尺寸的增长，其参数规模和计算时间也在成倍增加，这已经成为了神经网络向嵌入式平台发展的阻碍，在实际工程应用过程中受到了很大的限制。为了在嵌入式平台上部署神经网络，研究者们也提出了很多方法对深度神经网络进行简化，如HAN S等提出的神经网络压缩方法[2]、谷歌提出的轻量级的神经网络结构Mobile Net[3]等，他们在神经网络的冗余结构、卷积层设计、模块化和激活函数等方面都进行了一定的优化。……