基于迭代剪枝VGGNet的火星圖像分類

摘要： VGGNet能提供高精度的火星圖像分類，但需消耗大量內(nèi)存資源。鑒于器載計算機內(nèi)存資源有限，為解決這一矛盾，本文提出了基于迭代剪枝VGGNet的火星圖像分類方法。首先，采用遷移學(xué)習(xí)訓(xùn)練網(wǎng)絡(luò)的連通性，以便評估神經(jīng)元的重要性；其次，通過迭代剪枝方法修剪不重要的神經(jīng)元，以便將全連接層的參數(shù)量和內(nèi)存占用量減少；最后，采用K-means++聚類實現(xiàn)權(quán)重參數(shù)的量化，利用霍夫曼編碼壓縮迭代剪枝... （共8頁）