针对轻量化神经网络中大量1×1卷积操作限制网络模型压缩的问题

提出了轻量化神经网络模型压缩算法

并对网络结构进行了搜索。根据有限长单位冲激响应滤波器线性相位特性思想

设计了具有线性相位约束的1×1卷积滤波器

将其应用在MobileNet网络中验证了有效性。采用遗传算法对MobileNet网络中具有线性相位约束的1×1卷积滤波器比例进行搜索

使用权重共享算法对遗传算法搜索过程进行加速

使用相对适应度指导算法进化方向。实验证明:具有线性相位约束滤波器的MobileNet网络在Cifar10数据集上的网络参数量降低为原始MobileNet网络的51.24%

网络准确率下降0.38%;在ImageNet数据集上的网络参数量降低为原始MobileNet网络的62.88%

网络top5准确率下降1.44%

具有线性相位约束的1×1卷积滤波器可以对网络模型进行有效压缩;遗传算法搜索出的最优结构网络准确率与MobileNet网络的相仿

网络参数量下降为原始网络的83.54%

网络模型更小

性能更优。