来源：期刊VIP网 时间：
作者：刘冬冬;李林才;句媛媛;吴刘仓;肖清泰;
单位：昆明理工大学理学院;昆明理工大学理学院工业工程重点实验室;昆明理工大学应用统计学研究中心;昆明理工大学冶金与能源工程学院;
摘要：针对复杂的卷积神经网络模型存在参数规模大、运算时间长等问题，提出一种有效的卷积神经网络模型压缩算法.该算法引入因子分析的思想对卷积神经网络模型进行压缩：首先将四维的卷积核权重张量转化为二维的矩阵形式，计算相关矩阵，并对其进行奇异值分解；其次，通过控制累积方差贡献率，确定适当的因子数量，计算因子载荷矩阵；最后，重构出更具代表性的卷积核.通过在Catdog、CIFAR10、CIFAR100三个数据集上进行验证，实验结果表明：该压缩算法能够在保证卷积神经网络精度的前提下，使AlexNet、ResNet的参数压缩率达到30.7%～68.2%,运行时间减少17.53%～37.21%.从而验证了本文提出的算法在压缩率和运算效率方面的优势，为基于因子分析的卷积神经网络模型压缩提供了一种可能的框架.
关键词：模型压缩;;因子分析;;卷积神经网络;;图像分类
基金资助：国家自然科学基金项目（12261051）;; 云南省基础研究计划项目（202201BE070001-026）;; 云南省科技厅科技计划项目（202101AU070031）;; 云南省教育厅科研基金项目（2022J0059）
