面向嵌入式的残差网络加速方法研究

残差网络由于其优越的性能广泛应用于图像分类领域.但是作为典型的深层网络,其网络参数众多,对于资源受限的嵌入式设备网络推理速度极低,传统的网络加速局限于单一卷积分解和模型压缩方法.针对这一问题,拟将结合优化残差结构和混合剪枝量化的方法,实现残差网络的加速与优化,该方法可以很好的维持准确率,并大量减少网络模型的参数量和计算量.改进后残差结构的参数相比常见的ResNet34和ResNet50网络使用的两种残差结构分别减少了43.6％和40.3％,混合加速后,模型存储体积降低了86.3％.通过cifar10数据集对网络进行实验,改进残差结构后的网络检测速度降低了33.28％,再通过混合剪枝量化和优化BN层后模型的检测速度最多可降低69.1％,精度只损失1％左右.实验表明该方法使残差网络在嵌入式端加速明显.