轻量化神经网络图像识别简易方案研究
期刊: 《社会发展与科技创新》 DOI:10.64649/yh.shfzykjcx.issn3078-8994.202606017 全文阅读 返回期刊
摘要
传统卷积神经网络往往参数规模较大、计算负担也偏高，因此在移动终端与嵌入式设备等资源受限的场景中不易落地应用，促使图像识别模型从重载复杂逐步转向轻量高效，已经成为计算机视觉领域较为重要的研究方向。本文依照规范的学术论文写作框架，对轻量化神经网络的核心设计思路与主要实现技术进行较为系统的说明，并在此基础上搭建轻量化图像识别方案的整体框架，以深度可分离卷积作为核心手段、以模型压缩作为辅助方式、以简易部署作为目标导向，围绕网络结构设计、模型压缩与优化、推理加速与部署等关键实现路径展开研究，进一步提出面向资源受限场景的简易方案技术体系，期望为移动端与嵌入式设备中的图像识别应用提供低成本、高效率的可行方案与实践参考。
关键词
轻量化神经网络；图像识别；深度可分离卷积；模型压缩；边缘部署
参考文献
[1]赵玉亮.轻量化神经网络模型在移动设备图像识别上的应用探索[J].中国信息化,2025,(10):66-67.
[2]程玲,聂罗娜.基于深度神经网络的智能图像识别模型研究进展与优化趋势[J].中国宽带,2025,21(7):133-135.
[3]聂刚刚,饶洪辉,康丽春,等.基于轻量化卷积神经网络的油茶病害识别[J].江西农业大学学报,2024,46(2):502-515.
[4]闫涵,卢伟,吴玉虎.基于轻量化卷积神经网络的金属断口图像识别[J].控制与决策,2024,39(9):2858-2866.
[5]熊鹏文,陈志远,廖俊杰,等.基于改进卷积注意力机制的触觉图像识别[J].东南大学学报(自然科学版),2024,54(1):175-182.