面向社会性昆虫识别的知识迁移DenseNet后训练剪枝轻量化模型研究
Research on Lightweight Model of Post-training Pruning of Knowledge-transferred DenseNet for Social Insects Identification
王鑫 1张文静 2史伟 2可乐乐3
作者信息
- 1. 宁夏大学 信息工程学院,宁夏 银川 750021;兰州职业技术学院 信息工程学院,甘肃 兰州 730070
- 2. 宁夏大学 信息工程学院,宁夏 银川 750021
- 3. 兰州职业技术学院 信息工程学院,甘肃 兰州 730070
- 折叠
摘要
在资源受限的设备上,如何快速有效地针对蜜蜂、蚂蚁等对生态系统产生重要影响的种群进行图像识别,具有重要的生态保护意义.本文采用DenseNet预训练模型,在蚂蚁蜜蜂小规模数据集上进行知识迁移,并利用非结构化后训练剪枝UPSCALE方法,构建了一个完整的架构.实验证明,该架构可以快速利用小规模数据集,以较高的识别精度实现目标图像识别,且模型参数不到基准方法的1/3,对于部署设备而言,具有更广泛的应用价值.
Abstract
The rapid and effective identification of populations such as bees and ants,which have significant eco-logical impacts,on resource-constrained devices holds great ecological conservation significance.In this paper,a DenseNet pre-trained model is employed for knowledge transfer on a small-scale dataset of ants and bees,and an unstructured post-training pruning method known as UPSCALE is utilized to construct a comprehensive framework.Experimental results demonstrate that this framework can rapidly leverage small-scale datasets to achieve target image recognition with high accuracy,while the model parameters are less than one-third of those of the baseline method,thus providing broader application value for deployment on devices.
关键词
蚂蚁/蜜蜂/DenseNet/迁移学习/后训练剪枝Key words
ants/bees/DenseNet/transfer learning/post-training pruning引用本文复制引用
基金项目
国家自然科学基金资助项目(62166030)
国家自然科学基金资助项目(12061055)
甘肃省自然科学基金资助项目(23JRRA1471)
出版年
2024
国家科技期刊平台
NSTL
万方数据