基于DBSCAN聚类的自适应滤波器剪枝策略  

作　　者：曾涛涛 李志玲 罗太维 

机构地区：[1]贵州民族大学数据科学与信息工程学院 [2]贵州民族大学贵州模式识别与智能系统重点实验室

出　　处：《中国科技信息》2025年第4期93-95,共3页China Science and Technology Information

基　　金：贵州省科技计划项目(黔科合基础Zk[2022]一般195);贵州省科技计划项目(黔科合基础-ZK[2023]一般143)。

摘　　要：1背景随着人工智能的快速发展和大规模数据集的普及,卷积神经网络(CNN)在计算机视觉领域的应用日益广泛。尽管大型CNN模型能提供丰富的信息表示,但在资源有限的移动设备和可穿戴设备上部署时面临显著挑战。因此,有效轻量化深度CNN模型成为当前研究的重要方向。网络剪枝是一种模型简化技术,通过删除冗余滤波器来降低复杂度。剪枝方法主要分为结构化剪枝和非结构化剪枝。非结构化剪枝以参数为单位进行操作,通常需要特定硬件支持才能显著加速;而结构化剪枝则以通道或滤波器为单位,能在无特殊硬件支持的情况下实现模型加速,因此受到广泛关注。

关 键 词：硬件支持 可穿戴设备 计算机视觉 剪枝策略 大规模数据集 人工智能 非结构化 自适应滤波器 

分 类 号：TN713[电子电信—电路与系统] TP18[自动化与计算机技术—控制理论与控制工程]