三维医学图像分割的训练后网络压缩:通过 Tucker 分解减少计算工作量 原文约300字,阅读约需1分钟。发表于:2024-04-15T00:00:00Z。 通过张量分解研究网络压缩的有效性,我们提出了一种后训练 Tucker 分解方法,以减少预先存在模型的计算要求,而不会影响分割准确性。这种方法能够在计算效率和分割质量之间提供可调节的权衡,并且适用于医学图像分割模型的计算需求降低。 本文介绍了自适应的维度调整Tucker分解网络压缩方法(ADA-Tucker)和其扩展模型Shared Core ADA-Tucker(SCADA-Tucker),成功降低了LeNet-5和LeNet-300的存储需求,并在其他基准测试和深度网络上取得了良好效果。 LeNet Tucker分解 维度调整 网络压缩 自适应