针对磨粒分析ＣＮＮ 模型存在参数多、运算速度慢、难以实际应用等问题， 开展磨粒图像分类ＣＮＮ 模型的轻量化研究。通过分析模型各层的参数量、运算量和剪枝敏感度， 确定卷积层４ 和卷积层５ 为滤波器剪枝的目标； 对卷积层４ 和５ 所有滤波器重要性进行计算并排序， 以７５％的剪枝率去除重要性低的滤波器并重新训练， 获得轻量化模型。实验结果表明， 轻量化后的模型在保证准确率几乎不降低的情况下实现了磨粒图像的快速分类， 其理论参数量和内存占用量均减少５０％以上， 运算速度提高２０％以上。研究结果为ＣＮＮ 模型在便携式、移动式铁谱分析设备上的应用提供参考。

发布

全文下载：一个用于磨粒图像快速分类的轻量化CNN模型.pdf