基于恒虚警率的深度神经网络Dropout正则化方法OA北大核心CHSSCD
Dropout Regularization Method of Convolutional Neural Network Based on Constant False Alarm Rate
为进一步提高深度神经网络算法在嵌入式机器人系统中的物体识别性能,提出了一种基于恒虚警率检测的深度神经网络Dropout正则化方法(CFAR-Dropout).首先,通过对权重进行量化,将权重和激活从浮点数减少到二进制值;然后,设计了一个恒虚警检测器(CFAR),保持一定的虚警率,自适应地删减一些神经元节点,优化参与计算的神经元节点;最后,在嵌入式平台PYNQ-Z2上,使用基于VGG16的优化模型对算法的物体识别性能进行实验验证.实验结果表明,与使…查看全部>>
肖家麟;李钰;袁晴龙;唐志祺
华东理工大学信息科学与工程学院,上海 200237华东理工大学信息科学与工程学院,上海 200237华东理工大学信息科学与工程学院,上海 200237华东理工大学信息科学与工程学院,上海 200237
信息技术与安全科学
物体识别嵌入式深度神经网络恒虚警率正则化
《华东理工大学学报（自然科学版）》 2022 (1)
87-98,12
评论