基于注意力机制和特征相似度的卷积神经网络剪枝方法  

作　　者：王星宇 李健[1] 

机构地区：[1]四川大学电子信息学院,四川成都610065

出　　处：《电子制作》2025年第6期57-61,共5页Practical Electronics

摘　　要：在深度学习领域,高速发展的卷积神经网络带来了复杂的模型结构以及庞大的参数量,这导致了在资源有限的平台上部署模型更具挑战性,然而现有的方法在剪枝力度较大时存在精度下降的问题,为此,本文提出一种基于的注意力和特征相度的剪枝方法,通过将ECS注意力模块加入网络评估通道的重要程度,在此基础上获取特征的信息,根据通道重要性因子及特征的信息对模型进行剪枝,通过在CIFAR10,CIFAR100数据集上对VGG,ResNet,DenseNet等典型网络的实验表明,基于注意力机制和特征相似度的方法对通道的重要程度有更准确地评估,在剪枝力度较大时有着不错的表现。

关 键 词：通道注意力机制剪枝 特征相似度 卷积神经网络 

分 类 号：TP183[自动化与计算机技术—控制理论与控制工程]