卷积神经网络的压缩与加速在遥感图像分类上的应用

发布时间：2024-11-20 21:20

　　近年来,借助于卷积神经网络的快速发展,深度卷积神经网络得以应用于大多数领域并且取得惊人的成就。通过使用卷积神经网络对遥感图像进行深度特征的提取并且进行分类,使得遥感图像场景分类任务的分类性能得到极大的提高。深度网络特别是深层卷积神经网络模型(VGG16,ResNet,DenseNet等)在提升分类性能的同时,也带来了参数量,计算量庞大以及存储开销的问题。研究适用于遥感图像场景分类任务的卷积神经网络轻量化方法对于模型在资源受限环境下的部署有着重要意义。基于此,本文主要完成了以下工作:提出了轻量化网络MobileNetv2的改进框架。首先在MobileNetv2的基础上引入密集连接,借助特征图的复用提高网络性能。利用一个扩张系数为1,步长为1的瓶颈与一个扩张系数为1,步长为2的瓶颈的组合压缩特征图的通道数,同时对瓶颈输出通道数进行调整,利用该方法得到了一个更小的网络模型,在遥感影像场景分类数据集NWPU-RESISC45上验证了该方法的有效性。提出了一种对网络进行滤波器剪枝的复合剪枝算法。复合剪枝是滤波器剪枝,从剪枝粒度上是粗粒度剪枝。本文首先定义卷积层滤波器弹性,借助滤波器弹性衡量剪去该滤...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 遥感图像场景分类
        1.2.2 卷积神经网络轻量化
    1.3 本文主要研究内容和章节安排
        1.3.1 研究内容
        1.3.2 章节安排
第二章 相关理论介绍
    2.1 卷积网络
        2.1.1 卷积层
        2.1.2 激活层
        2.1.3 批归一化层
        2.1.4 优化算法
        2.1.5 Dropout层
        2.1.6 迁移学习
    2.2 卷积神经网络压缩与加速
        2.2.1 高效卷积结构
        2.2.2 神经网络剪枝
    2.3 本章小结
第三章 改进Mobile Net V2 网络在遥感影像场景分类中的应用
    3.1 概述
    3.2 网络结构及设计思路
        3.2.1 瓶颈设计
        3.2.2 网络整体结构
        3.2.3 理论参数量与计算量分析
    3.3 实验及分析
        3.3.1 实验环境与数据集
        3.3.2 网络的训练与分析
    3.4 本章总结
第四章 复合剪枝在遥感图像场景分类上的应用
    4.1 概述
    4.2 复合剪枝
        4.2.1 滤波器弹性
        4.2.2 复合剪枝与其他方法的区别
        4.2.3 不同网络结构剪枝细节
    4.3 实验与分析
        4.3.1 数据集
        4.3.2 网络模型
        4.3.3 训练、剪枝和微调
        4.3.4 实验结果
        4.3.5 消融实验
    4.4 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
攻读学位期间的研究成果



本文编号：4012375