基于卷积神经网络的模型压缩研究及应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 深度学习的研究现状 | 第11-13页 |
| 1.2.2 深度学习在图像分类领域的现状 | 第13-15页 |
| 1.2.3 深度神经网络压缩研究现状 | 第15-16页 |
| 1.3 论文的章节架构 | 第16-18页 |
| 2 深度学习基础知识 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 神经网络基本原理 | 第18-21页 |
| 2.2.1 单层感知机和多层感知机 | 第18-19页 |
| 2.2.2 前向传播算法 | 第19-20页 |
| 2.2.3 反向传播算法 | 第20-21页 |
| 2.3 卷积神经网络 | 第21-25页 |
| 2.3.1 卷积运算 | 第22-23页 |
| 2.3.2 池化操作 | 第23页 |
| 2.3.3 AlexNet和VGG | 第23-25页 |
| 2.4 深度学习框架 | 第25-27页 |
| 2.4.1 TensorFlow | 第25-26页 |
| 2.4.2 其他深度学习框架 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 深度神经网络的压缩 | 第28-38页 |
| 3.1 引言 | 第28页 |
| 3.2 剪枝和稀疏训练 | 第28-30页 |
| 3.3 权重量化和共享 | 第30-31页 |
| 3.4 基于哈夫曼编码的压缩 | 第31-34页 |
| 3.5 实验结果与分析 | 第34-36页 |
| 3.5.1 数据集 | 第34页 |
| 3.5.2 数据对比 | 第34-36页 |
| 3.6 本章小结 | 第36-38页 |
| 4 基于Android的图像分类系统实现 | 第38-52页 |
| 4.1 引言 | 第38页 |
| 4.2 Android系统介绍 | 第38-40页 |
| 4.3 系统开发环境 | 第40-41页 |
| 4.3.1 开发环境 | 第40页 |
| 4.3.2 NDK | 第40-41页 |
| 4.4 系统功能模块设计 | 第41-47页 |
| 4.4.1 界面模块 | 第42-43页 |
| 4.4.2 相机模块 | 第43-44页 |
| 4.4.3 模型调用模块 | 第44-46页 |
| 4.4.4 添加照片模块 | 第46-47页 |
| 4.5 系统测试 | 第47-50页 |
| 4.5.1 数据集 | 第47-48页 |
| 4.5.2 测试环境 | 第48页 |
| 4.5.3 图像分类效果 | 第48-50页 |
| 4.5.4 系统运行时间 | 第50页 |
| 4.6 本章小结 | 第50-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 工作总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
